基于深度自迁移强化学习的缓存辅助动态速率分配
网络与互联网体系结构
2018-04-02 v1 多媒体
摘要
缓存和速率分配是支持无线网络上视频流的两种有前景的方法。然而，现有的速率分配设计并未充分利用这两种方法的优势。本文研究了缓存辅助的 QoE 驱动的视频速率分配问题。我们为该问题建立了一个数学模型，并指出用传统动态规划求解该问题很困难。然后我们提出了一种深度强化学习方法来解决它。首先，我们将该问题建模为马尔可夫决策问题。然后，我们提出了一种带有特殊知识迁移过程的深度 Q-learning 算法，以寻找有效的分配策略。最后，给出了数值结果以证明所提出的解决方案能够有效地为在小基站间移动的移动用户保持高质量的用户体验。我们还研究了关键参数配置对我们算法性能的影响。
引用
@article{arxiv.1803.11334,
title = {Cache-Enabled Dynamic Rate Allocation via Deep Self-Transfer Reinforcement Learning},
author = {Zhengming Zhang and Yaru Zheng and Meng Hua and Yongming Huang and Luxi Yang},
journal= {arXiv preprint arXiv:1803.11334},
year = {2018}
}