联邦神经进化 O-RAN：增强深度强化学习 xApp 的鲁棒性
人工智能
2025-06-17 v1 神经与进化计算
系统与控制
系统与控制
摘要
开放无线接入网（O-RAN）架构引入了 RAN 智能控制器（RIC）以促进分解式 RAN 的管理和优化。强化学习（RL）及其高级形式深度强化学习（DRL）越来越多地被用于设计智能控制器（即 xApp），以部署在近实时（near-RT）RIC 中。这些模型经常遇到局部最优解，这引发了对其在 RAN 智能控制中可靠性的担忧。因此，我们引入了联邦 O-RAN 使能的神经进化（NE）增强 DRL（F-ONRL），它并行部署一个基于 NE 的优化器 xApp 与 RAN 控制器 xApp。这种 NE-DRL xApp 框架能够在近实时 RIC 中实现有效的探索和利用，而不会中断 RAN 操作。我们在 Open AI Cellular (OAIC) 平台上实现了 NE xApp 和 DRL xApp 并进行了部署，并展示了数值结果，证明了 xApp 鲁棒性的提高，同时有效平衡了额外的计算负载。
引用
@article{arxiv.2506.12812,
title = {Federated Neuroevolution O-RAN: Enhancing the Robustness of Deep Reinforcement Learning xApps},
author = {Mohammadreza Kouchaki and Aly Sabri Abdalla and Vuk Marojevic},
journal= {arXiv preprint arXiv:2506.12812},
year = {2025}
}
备注
This article has been accepted for publication in IEEE Communications Magazine