基于强化学习的工业物联网相关流量协调随机接入
网络与互联网体系结构
2021-09-20 v1 机器学习
多智能体系统
摘要
我们针对工业物联网（IIoT）场景提出了一种协调随机接入方案，其中机器类型设备（MTDs）产生零星的相关流量。例如，当外部事件同时触发多个 MTD 的数据生成时就会出现这种情况。时间被划分为帧，每帧再分为时隙，每个 MTD 随机选择一个时隙进行（重）传输，其概率密度函数（PDFs）特定于该 MTD 及当前重传次数。PDFs 在本地进行优化以最小化数据包冲突概率。该优化问题被建模为不完全信息下的重复马尔可夫博弈，并在每个 MTD 上使用 linear reward-inaction 算法，该算法可证明收敛到确定性的（次优）时隙分配。我们将我们的方案与时隙 ALOHA 以及极小极大两两相关随机接入方案进行比较，结果表明在中等流量强度下我们的方法实现了更高的网络吞吐量。
引用
@article{arxiv.2109.08389,
title = {Coordinated Random Access for Industrial IoT With Correlated Traffic By Reinforcement-Learning},
author = {Alberto Rech and Stefano Tomasin},
journal= {arXiv preprint arXiv:2109.08389},
year = {2021}
}
备注
6 pages, conference paper (GLOBECOM2021)