基于深度 Q 学习的具有中断约束的干扰系统资源分配
网络与互联网体系结构
2022-03-08 v1
摘要
本通信考虑在链路中断约束下无线干扰信道（IC）中的资源分配问题。由于该优化问题本质上是非凸的，现有的寻找最优功率分配的方法计算量大，因此在实践中不可行。近来，深度强化学习在以更低复杂度求解非凸优化问题方面展现出有前景的结果。在本通信中，我们采用深度 Q 学习（DQL）方法，其与无线环境交互，并在最大化系统总吞吐量和维持各链路可靠性要求的同时，学习无线 IC 的最优功率分配。我们使用两个独立的深度 Q 网络来消除学习过程中固有的不稳定性。仿真结果表明，所提出的 DQL 方法优于现有的基于几何规划的解决方案。
引用
@article{arxiv.2203.02791,
title = {Deep Q-Learning Based Resource Allocation in Interference Systems With Outage Constraint},
author = {Saniul Alam and Sadia Islam and Muhammad R. A. Khandaker and Risala T. Khan and Faisal Tariq and Apriana Toding},
journal= {arXiv preprint arXiv:2203.02791},
year = {2022}
}
备注
Submitted to IEEE TVT