具有机会干扰对齐的缓存使能无线网络
网络与互联网体系结构
2017-06-29 v1
摘要
缓存和干扰对齐（IA）都是未来无线网络中很有前景的技术。然而，现有关于缓存使能 IA 无线网络的研究大多假设信道是不变的，考虑到实际无线环境的时变特性，这是不现实的。本文考虑现实的时变信道。具体而言，信道被建模为有限状态马尔可夫信道（FSMC）。当考虑现实的 FSMC 模型时，系统的复杂度非常高。因此，我们在本文中提出一种新颖的大数据强化学习方法。深度强化学习是一种先进的强化学习算法，它使用深度 Q 网络来近似 Q 值-动作函数。本文使用深度强化学习来获取缓存使能的机会 IA 无线网络中的最优 IA 用户选择策略。仿真结果展示了所提方案的有效性。
引用
@article{arxiv.1706.09024,
title = {Cache-enabled Wireless Networks with Opportunistic Interference Alignment},
author = {Y. He and S. Hu},
journal= {arXiv preprint arXiv:1706.09024},
year = {2017}
}