提高飞蜂窝网络的能源效率：一种分层强化学习框架
机器学习
2012-09-14 v1
摘要
本文通过结合博弈论和随机学习，研究了两层飞蜂窝网络的能源效率问题。在 Stackelberg 博弈公式下，应用分层强化学习框架来研究宏蜂窝和飞蜂窝在满足最小信干噪比要求下的联合平均效用最大化。在学习过程中，宏蜂窝表现为领导者，飞蜂窝表现为跟随者。在每个时间步，领导者根据跟随者的最佳响应承诺动态策略，而跟随者之间相互竞争，除了领导者的策略信息外没有其他信息。在本文中，我们提出了两种学习算法来调度每个小区的随机功率水平，由宏蜂窝主导。数值实验验证了所提出的研究，并表明这两种学习算法显著提高了飞蜂窝网络的能源效率。
引用
@article{arxiv.1209.2790,
title = {Improving Energy Efficiency in Femtocell Networks: A Hierarchical Reinforcement Learning Framework},
author = {Xianfu Chen and Honggang Zhang and Tao Chen and Mika Lasanen},
journal= {arXiv preprint arXiv:1209.2790},
year = {2012}
}