基于多智能体强化学习的天地一体化NOMA网络动态资源管理
信号处理
2023-10-19 v1
摘要
本研究引入一种用于天地一体化网络的资源分配框架以应对这些挑战。该框架利用本地缓存池部署与非正交多址(NOMA)来降低时延并提升能效。我们提出的方法采用多智能体深度确定性策略梯度算法(MADDPG)优化用户关联、缓存设计与发射功率控制,从而实现能效提升。该方法包含两阶段:用户关联与功率控制(用户作为智能体)以及缓存优化(卫星(Bs)作为智能体)。通过大量仿真,我们证明该方法在解决天地一体化网络中的缓存设计与资源分配挑战上超越传统单智能体深度强化学习算法。具体而言,与现有方法相比,我们提出的方法实现了显著更高的能效与更低的时延。
引用
@article{arxiv.2310.11814,
title = {Dynamic Resource Management in Integrated NOMA Terrestrial-Satellite Networks using Multi-Agent Reinforcement Learning},
author = {Ali Nauman and Haya Mesfer Alshahrani and Nadhem Nemri and Kamal M. Othman and Nojood O Aljehane and Mashael Maashi and Ashit Kumar Dutta and Mohammed Assiri and Wali Ullah Khan},
journal= {arXiv preprint arXiv:2310.11814},
year = {2023}
}
备注
16, 13