面向智能反射表面辅助 D2D 通信的深度强化学习
信号处理
2021-08-09 v1 人工智能
计算机科学与博弈论
机器学习
摘要
本文中，我们提出一种深度强化学习(DRL)方法，用于求解由智能反射表面(IRS)支持的设备到设备(D2D)通信中网络求和速率的优化问题。部署 IRS 以减轻干扰并增强 D2D 发射机与相应 D2D 接收机间信号。我们的目标是联合优化 D2D 发射机的发射功率与 IRS 的相移矩阵以最大化网络求和速率。我们建立马尔可夫决策过程，随后提出近端策略优化来求解该最大化博弈。仿真结果显示在可达速率与处理时间方面令人印象深刻的性能。
引用
@article{arxiv.2108.02892,
title = {Deep Reinforcement Learning for Intelligent Reflecting Surface-assisted D2D Communications},
author = {Khoi Khac Nguyen and Antonino Masaracchia and Cheng Yin and Long D. Nguyen and Octavia A. Dobre and Trung Q. Duong},
journal= {arXiv preprint arXiv:2108.02892},
year = {2021}
}
备注
5 pages, Intelligent reflecting surface (IRS), D2D communications, deep reinforcement learning