5G 系统中下行 PRB 与功率分配的层次化合作 MARL
网络与互联网体系结构
2026-05-05 v1
摘要
5G 中高效的下行无线资源管理需要在时变无线条件下联合优化用户调度和发射功率分配。这在 OFDMA 系统中具有挑战，因为 PRB 分配是组合的，功率分配是连续的，而性能取决于信道演化、链路适应和长期公平性。我们提出一种用于 5G 环境中下行 PRB 和功率分配的层次化合作多智能体强化学习框架，采用分阶段课程训练。系统级仿真在 Sionna 中实现，Sionna RT 支持无线场景构建和基于移动性的射线追踪信道生成。控制任务分解为两个顺序阶段：PRB 智能体学习用户级别的资源份额，这些份额被转换为由确定性信道感知配额解决器分配的确切 PRB，功率智能体在用户及其分配的 PRB-符号资源上分布基站功率预算。该框架在交叉层循环中运行，包含自适应调制编码、HARQ 反馈、外层链路适应，以及基于平滑吞吐量和 Jain 公平性指数的公平性感知奖励。通过 PRB 分配、功率控制和联合微调的三个阶段课程训练提高了训练稳定性。在匹配的信道实现下，我们将其与基于等功率传输的 PF 调度器以及隔离学习的 PRB 和功率控制组件的两个消融实验进行比较。结果表明，两个学习组件都相对于 PF 提高了吞吐量分布，而完整的 PRB 和功率控制器仅略微降低了 Jain 公平性指数，却实现了最大的小区吞吐量提升。
引用
@article{arxiv.2605.02149,
title = {Hierarchical Cooperative MARL for Joint Downlink PRB and Power Allocation in a 5G System},
author = {Alireza Ebrahimi Dorcheh and Tolunay Seyfi and Ryan Barker and Fatemeh Afghah},
journal= {arXiv preprint arXiv:2605.02149},
year = {2026}
}