GymD2D：一种设备到设备底层蜂窝卸载评估平台
系统与控制
2021-01-28 v1 机器学习
系统与控制
摘要
设备到设备通信中的蜂窝卸载是一个具有挑战性的优化问题，其中无线电资源的改进分配可提高频谱效率、能量效率、吞吐量并降低时延。学术界已在这些问题上探索了不同的优化方法，初步结果令人鼓舞。然而，缺乏一个简单、可配置、开源的蜂窝卸载研究框架造成了显著的摩擦。先前的研究使用了多种网络模拟器和系统模型，使得结果难以比较。本文中我们提出 GymD2D，一个用于设备到设备通信中物理层资源分配问题实验的框架。GymD2D 允许用户模拟多种蜂窝卸载场景，并扩展其行为以满足研究需求。GymD2D 为研究人员提供了一个比较、共享和基于先前研究构建的评估平台。我们使用最先进的深度强化学习对 GymD2D 进行了评估，并证明这些算法带来了显著的效率提升。
引用
@article{arxiv.2101.11188,
title = {GymD2D: A Device-to-Device Underlay Cellular Offload Evaluation Platform},
author = {David Cotton and Zenon Chaczko},
journal= {arXiv preprint arXiv:2101.11188},
year = {2021}
}