深度强化学习辅助的蒙特卡洛树搜索用于 MIMO 检测
信号处理
2021-02-02 v1 信息论
机器学习
math.IT
摘要
本文提出一种新颖的多输入多输出（MIMO）符号检测器，其将深度强化学习（DRL）智能体融入蒙特卡洛树搜索（MCTS）检测算法中。我们首先描述用于众多决策问题的 MCTS 算法如何应用于 MIMO 检测问题。随后，我们引入自行设计的深度强化学习智能体，由策略价值网络与状态价值网络组成，经训练用于检测 MIMO 符号。训练后网络的输出被采用至改进的 MCTS 检测算法中，以提供有用的节点统计信息并促进增强的树搜索过程。所得方案称为 DRL-MCTS 检测器，相较原始 MCTS 检测算法有显著改进，并在不同信道条件下相较其他现有线性与基于 DNN 的检测方法展现出良好性能。
引用
@article{arxiv.2102.00178,
title = {Deep Reinforcement Learning Aided Monte Carlo Tree Search for MIMO Detection},
author = {Tz-Wei Mo and Ronald Y. Chang and Te-Yi Kan},
journal= {arXiv preprint arXiv:2102.00178},
year = {2021}
}