基于图神经网络的WLAN去中心化信道管理
信息论
2022-11-01 v1 机器学习
math.IT
摘要
无线局域网（WLANs）管理多个接入点（APs）并向APs分配稀缺的射频资源以满足关联用户设备的流量需求。本文考虑WLAN中最小化AP间互干扰的信道分配问题，并提出一种可以去中心化方式实现的基于学习的解决方案。我们将信道分配问题表述为无监督学习问题，用图神经网络（GNNs）参数化无线信道的控制策略，并以无模型方式用策略梯度方法训练GNNs。所提方法由于GNNs的分布式特性允许去中心化实现，并且对网络置换具有等变性。前者为大型网络场景提供高效且可扩展的解决方案，后者使我们的算法独立于AP重排序。给出了经验结果以评估所提方法并证实理论发现。
引用
@article{arxiv.2210.16949,
title = {Decentralized Channel Management in WLANs with Graph Neural Networks},
author = {Zhan Gao and Yulin Shao and Deniz Gunduz and Amanda Prorok},
journal= {arXiv preprint arXiv:2210.16949},
year = {2022}
}