基于多智能体 QLearning 的 LTE 认知无线电资源调度
网络与互联网体系结构
2022-05-16 v2 机器学习
摘要
本文提出、实现并测试了两种新颖的 LTE 下行链路调度算法。这些算法在 Matlab 中实现与测试，基于强化学习（更具体地，Qlearning 技术）来调度两类用户。第一种算法称为协作调度算法，第二种称为竞争调度算法。第一类被调度用户为主用户（Primary Users），为付费的授权订阅者；第二类为次用户（Secondary Users），可能是不付费的非授权订阅者、设备到设备通信或传感器。每个用户无论主或次均视为一个智能体。在协作调度算法中，主用户智能体相互协作以做出联合调度决策，将资源块分配给各自，然后次用户智能体相互竞争使用剩余资源块。在竞争调度算法中，主用户智能体相互竞争可用资源，然后次用户智能体相互竞争剩余资源。实验结果表明，两种调度算法均收敛至近 90% 的频谱利用率，并在用户间提供了公平的频谱份额。
引用
@article{arxiv.2205.02765,
title = {Cognitive Radio Resource Scheduling using Multi agent QLearning for LTE},
author = {Najem N Sirhan and Manel Martinez-Ramon},
journal= {arXiv preprint arXiv:2205.02765},
year = {2022}
}