认知毫微微蜂窝网络中用于功率分配的分布式协作Q学习
机器学习
2012-03-20 v1 计算机科学与博弈论
摘要
本文提出了一种分布式强化学习（RL）技术，称为基于Q学习的分布式功率控制（DPC-Q），用于管理下行链路中毫微微蜂窝对宏用户产生的干扰。DPC-Q利用Q学习来识别次优的功率分配模式，旨在最大化毫微微蜂窝容量，同时在底层认知设置中保证宏蜂窝容量水平。我们为DPC-Q算法提出了两种不同的方法：独立式和协作式。在独立式中，毫微微蜂窝彼此独立学习；而在协作式中，毫微微蜂窝在学习过程中共享一些信息以提升其性能。仿真结果表明，独立式方法能够减轻毫微微蜂窝对宏用户产生的干扰。此外，结果表明，协作在收敛速度、公平性和毫微微蜂窝总容量方面提升了毫微微蜂窝的性能。
引用
@article{arxiv.1203.3935,
title = {Distributed Cooperative Q-learning for Power Allocation in Cognitive Femtocell Networks},
author = {Hussein Saad and Amr Mohamed and Tamer ElBatt},
journal= {arXiv preprint arXiv:1203.3935},
year = {2012}
}