基于深度强化学习的 IEEE 802.11ax 网络竞争窗口优化
网络与互联网体系结构
2022-02-07 v5 机器学习
信号处理
摘要
竞争窗口（CW）值的合理设置对 Wi-Fi 网络的效率有显著影响。遗憾的是，802.11 网络使用的标准方法在站点数量不断增加时不足以保持稳定的吞吐量，但它仍是 802.11ax 单用户传输的默认信道接入方法。因此，我们提出了一种新的 CW 控制方法，利用深度强化学习（DRL）原理在不同网络条件下学习正确的设置。我们的方法称为基于 DRL 的集中式竞争窗口优化（CCOD），支持两种可训练控制算法：深度 Q 网络（DQN）和深度确定性策略梯度（DDPG）。我们通过仿真证明，该方法在保持低计算成本的同时，提供了接近最优的效率（即使在动态拓扑中）。
引用
@article{arxiv.2003.01492,
title = {Contention Window Optimization in IEEE 802.11ax Networks with Deep Reinforcement Learning},
author = {Witold Wydmański and Szymon Szott},
journal= {arXiv preprint arXiv:2003.01492},
year = {2022}
}
备注
6 pages, 6 figures, published in 2021 IEEE Wireless Communications and Networking Conference (WCNC)