面向 5G 多 MAP 网络动态灵活三维运行的联邦多智能体深度强化学习
网络与互联网体系结构
2023-07-14 v1 机器学习
多智能体系统
摘要
本文解决 5G 网络中移动接入点(MAP,即无人机 UAV)的高效管理问题。我们提出一种双层分层架构,在考虑集成接入回传(IAB)约束的同时动态重构网络。高层决策过程通过共识确定 MAP 的数量,并我们开发了一个联合优化过程以考虑网络自我管理中的相互依赖。在低层,MAP 使用基于双注意力的深度强化学习(DRL)模型管理其部署,该模型在不重新训练的情况下鼓励协作。为提升泛化能力并降低复杂度,我们提出一种联邦机制,用于训练和共享低层中每个 MAP 的一个部署模型。此外,我们利用多目标奖励函数联合优化 MAP 的部署与回传连接,考虑 MAP 部署变化对无线回传连接的影响。
引用
@article{arxiv.2307.06842,
title = {Federated Multi-Agent Deep Reinforcement Learning for Dynamic and Flexible 3D Operation of 5G Multi-MAP Networks},
author = {Esteban Catté and Mohamed Sana and Mickael Maman},
journal= {arXiv preprint arXiv:2307.06842},
year = {2023}
}
备注
2023 IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC)