面向物联网网络中NOMA的竞争算法与强化学习
网络与互联网体系结构
2022-02-01 v1 信号处理
摘要
本文研究在超五代（B5G）网络中利用非正交多址（NOMA）技术实现海量物联网（IoT）接入的问题。该问题涉及海量物联网设备分组与功率分配，以兼顾低时延以及物联网设备有限的工作能量。所考虑的目标准函数——最大化成功接收的物联网数据包数量——不同于经典的与和速率相关的目标准函数。该问题首先被划分为多个NOMA分组子问题。随后，利用竞争分析，提出一种高效的在线竞争算法（CA）来求解每个子问题。接下来，为解决功率分配问题，我们提出一种新的强化学习（RL）框架，其中RL智能体学习将CA作为黑盒使用，并组合各子问题的解以确定每个NOMA组的功率分配。仿真结果表明，所提出的创新RL框架优于深度Q学习方法，且接近最优。
引用
@article{arxiv.2201.12395,
title = {Competitive Algorithms and Reinforcement Learning for NOMA in IoT Networks},
author = {Zoubeir Mlika and Soumaya Cherkaoui},
journal= {arXiv preprint arXiv:2201.12395},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2002.07957