基于深度强化学习的节能超密集网络
信息论
2021-12-28 v1 math.IT
摘要
随着移动数据流量的爆发式增长，在宏小区之上密集部署大量小小区的超密集网络（UDN）近年来受到广泛关注。尽管 UDN 带来诸多益处，但由于小小区密集部署导致的 UDN 能耗激增，已成为实现 5G+ 与 6G 中吞吐量提升 100 倍等主要目标的重大瓶颈。近年来，一种通过选择性关闭轻载基站（称为睡眠模式技术）来降低基站（BSs）能耗的方法被提出。然而，由于频繁基站模式转换带来的巨大计算开销与低效，确定基站合适的活跃/睡眠模式是一项困难任务。本文旨在提出一种基于深度强化学习（DRL）的方法以降低 UDN 能耗。所提方案的关键要素是使用决策选择网络来缩减动作空间规模。数值结果表明，该方案在保障网络速率需求的同时可显著减少 UDN 能耗。
引用
@article{arxiv.2112.13189,
title = {Energy-Efficient Ultra-Dense Network with Deep Reinforcement Learning},
author = {Hyungyu Ju and Seungnyun Kim and Youngjoon Kim and Byonghyo Shim},
journal= {arXiv preprint arXiv:2112.13189},
year = {2021}
}
备注
Submitted to IEEE Transactions on Wireless Communications. Copyright 2021 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses