深度强化学习的泛化用于抗干扰频率和功率分配
网络与互联网体系结构
2023-05-09 v2 机器学习
摘要
我们解决了联合频率和功率分配问题，同时强调深度强化学习模型的泛化能力。大多数现有方法针对特定的预定义无线网络场景解决基于强化学习的无线问题。训练后的智能体的性能往往非常特定于该网络，当用于不同的网络运行场景（例如，大小、邻域和移动性等不同）时性能会下降。我们展示了我们的方法如何增强训练，使得在敌对干扰环境中的分布式多智能体设置下，部署模型在推理时具有更高的泛化能力。基于所有这些，我们展示了所提出方法在测试于先前未见过的不同大小和架构的模拟无线网络时，训练和推理性能的改进。更重要的是，为了证明实际影响，我们在嵌入式软件定义无线电上实现了端到端解决方案，并通过空中评估进行了验证。
引用
@article{arxiv.2302.02250,
title = {Generalization of Deep Reinforcement Learning for Jammer-Resilient Frequency and Power Allocation},
author = {Swatantra Kafle and Jithin Jagannath and Zackary Kane and Noor Biswas and Prem Sagar Vasanth Kumar and Anu Jagannath},
journal= {arXiv preprint arXiv:2302.02250},
year = {2023}
}
备注
Accepted to IEEE Communications Letters