基于深度强化学习的RIS辅助车联网中信息年龄感知资源分配
机器学习
2025-06-23 v2 分布式、并行与集群计算
网络与互联网体系结构
信号处理
摘要
可重构智能表面是通信中的一项关键技术，它提供了一条替代路径，显著增强了无线通信环境中的链路质量。在本文中，我们提出了一种RIS辅助的车联网网络，考虑了车联万物通信方式。此外，为了提高车辆到基础设施链路的时效性和车辆到车辆链路的稳定性，我们引入了信息年龄模型和有效载荷传输概率模型。因此，以最小化V2I链路的信息年龄和优先传输V2V链路有效载荷为目标，我们将此优化问题构建为一个马尔可夫决策过程问题，其中基站作为智能体，使用软演员-评论家算法为车辆分配资源并控制相移，该算法逐渐收敛并保持高稳定性。提出了一种基于SAC算法的信息年龄感知联合车辆资源分配和RIS相移控制方案，仿真结果表明，其在收敛速度、累积奖励、信息年龄性能和有效载荷传输概率方面均优于近端策略优化、深度确定性策略梯度、双延迟深度确定性策略梯度和随机算法。
引用
@article{arxiv.2406.11245,
title = {Deep-Reinforcement-Learning-Based AoI-Aware Resource Allocation for RIS-Aided IoV Networks},
author = {Kangwei Qi and Qiong Wu and Pingyi Fan and Nan Cheng and Wen Chen and Jiangzhou Wang and Khaled B. Letaief},
journal= {arXiv preprint arXiv:2406.11245},
year = {2025}
}
备注
This paper has been accepted by IEEE Transactions on Vehicular Technology. The source code has been released at https://github.com/qiongwu86/RIS-RB-AoI-V2X-DRL.git