面向现场医疗通信资源分配的深度强化模型选择
机器学习
2022-01-26 v2 网络与互联网体系结构
摘要
移动通信技术更强的能力使得此前未有的规模的现场医疗互连成为可能。然而，将此类关键且高要求的任务嵌入本已复杂的移动通信基础设施中颇具挑战。本文探讨一种资源分配场景，其中调度器必须在连接用户间平衡混合性能指标。为完成该资源分配任务，我们提出一种在不同基于模型的调度算法间自适应切换的调度器。我们利用深度Q网络（deep Q-Network）学习在特定情形下选择某调度范式的收益，结合了模型驱动与数据驱动方法的优势。所得集成调度器能够组合其组成算法以最大化求和效用代价函数，同时保障指定高优先级用户的性能。
引用
@article{arxiv.2111.06680,
title = {Deep Reinforcement Model Selection for Communications Resource Allocation in On-Site Medical Care},
author = {Steffen Gracla and Edgar Beck and Carsten Bockelmann and Armin Dekorsy},
journal= {arXiv preprint arXiv:2111.06680},
year = {2022}
}