基于深度 Q 网络用于满足 URLLC 约束的 NOMA 辅助资源分配中的智能工厂优化
系统与控制
2025-11-04 v1 系统与控制
摘要
本文提出了一种基于深度 Q 网络（DQN）的算法，用于满足超可靠低时延通信（URLLC）约束的智能工厂中的 NOMA 辅助资源分配。该算法动态分配子信道并优化功率水平，以实现最大吞吐量，同时满足严格的时延约束。通过引入可调参数 {\lambda}，该算法能够在吞吐量和时延之间进行权衡，适用于包括机器人、传感器和控制器在内的各种设备，每种设备都有各自的通信需求。仿真结果表明，机器人实现更高的吞吐量，而传感器和控制器满足 URLLC 的低时延要求，确保了可靠的实时工业应用通信。
引用
@article{arxiv.2511.00765,
title = {Deep Q-Network for Optimizing NOMA-Aided Resource Allocation in Smart Factories with URLLC Constraints},
author = {Shi Gengtian and Jiang Liu and Shigeru Shimamoto},
journal= {arXiv preprint arXiv:2511.00765},
year = {2025}
}
备注
Accepted for presentation at the IEEE Wireless Communications and Networking Conference (WCNC) 2025. This is the preprint version of the paper