用于抗干扰通信的快速强化学习
信号处理
2020-02-14 v1 机器学习
摘要
本快报提出一种用于抗干扰通信的快速强化学习算法，其以概率 选择先前动作，并以概率 应用 -贪婪。设计基于前若干动作平均值的动态阈值，并将概率 构造为类高斯函数以引导无线设备。作为具体示例，所提算法在对抗多个干扰机的无线通信系统中实现。实验结果表明，在信干噪比与收敛速率方面，所提算法优于 Q-学习、深度 Q 网络 (DQN)、双重 DQN (DDQN) 及基于优先经验回放的 DDQN (PDDQN)。
引用
@article{arxiv.2002.05364,
title = {Fast Reinforcement Learning for Anti-jamming Communications},
author = {Pei-Gen Ye and Yuan-Gen Wang and Jin Li and Liang Xiao},
journal= {arXiv preprint arXiv:2002.05364},
year = {2020}
}