基于协作深度强化学习的多组NB-IoT网络优化
网络与互联网体系结构
2018-11-02 v3
摘要
窄带物联网（NB-IoT）是一种新兴的基于蜂窝的技术，为具有异构需求的设备组的大规模物联网无线接入提供了一系列灵活配置。一种配置规定了为每组设备分配用于随机接入与数据传输的无线资源量。在假设不知晓流量统计量的前提下，问题是以在线方式在每个传输时间间隔（TTI）确定使能够接入并交付数据的物联网设备长期平均数量最大化的配置。鉴于最优算法的复杂性，我们开发了基于协作多智能体深度神经网络Q学习（CMA-DQN）的方法，其中每个DQN智能体独立控制每组的一个配置变量。DQN智能体基于有关传输结果的反馈在同一环境中协作训练。可见CMA-DQN大幅优于基于负载估计的传统启发式方法。
引用
@article{arxiv.1810.11729,
title = {Cooperative Deep Reinforcement Learning for Multiple-Group NB-IoT Networks Optimization},
author = {Nan Jiang and Yansha Deng and Osvaldo Simeone and Arumugam Nallanathan},
journal= {arXiv preprint arXiv:1810.11729},
year = {2018}
}
备注
Submitted for conference publication