用于自组织网络故障管理和无线性能改进的深度Q学习
网络与互联网体系结构
2019-03-05 v6 机器学习
摘要
我们提出了一种算法，使用深度强化学习（RL）针对无线损伤自动管理室外蜂窝网络中的故障。该算法使蜂窝网络集群能够自愈，通过允许RL通过探索和利用各种告警纠正动作来学习如何改善下行链路信号与干扰加噪声比。本文的主要贡献是：1）引入一种基于深度RL的故障处理算法，自组织网络可以在多项式运行时间内实现；2）表明这种故障管理方法可以在实际网络设置中改善无线链路性能。仿真结果表明，我们提出的算法学习了一个动作序列来清除告警并改善蜂窝集群的性能，优于现有算法，即使面对网络故障发生和用户移动的随机性也是如此。
引用
@article{arxiv.1707.02329,
title = {Deep Q-Learning for Self-Organizing Networks Fault Management and Radio Performance Improvement},
author = {Faris B. Mismar and Brian L. Evans},
journal= {arXiv preprint arXiv:1707.02329},
year = {2019}
}
备注
(c) 2018 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works