基于认知无线电的区块链网络中交易传输与信道选择的联合问题：一种深度强化学习方法
网络与互联网体系结构
2018-10-25 v1
摘要
为确保数据聚合、数据存储和数据处理均以去中心化但可信的方式执行，我们提出使用带矿池的区块链来支撑基于认知无线电网络的物联网服务。如此，次用户可将其感知数据（即交易）发送至矿池。经矿工验证后，交易被添加至区块。然而，在主干信道动态变化以及矿池内存池状态不确定的情况下，次用户难以确定最优的交易传输策略。本文中，我们提出使用深度强化学习算法为次用户推导最优交易传输策略。具体而言，我们采用 Double Deep-Q Network (DDQN)，使次用户能够学习最优策略。仿真结果清晰地表明，所提深度强化学习算法在奖励与学习速度方面优于传统的 Q-learning 方案。
引用
@article{arxiv.1810.10139,
title = {Joint Transaction Transmission and Channel Selection in Cognitive Radio Based Blockchain Networks: A Deep Reinforcement Learning Approach},
author = {Nguyen Cong Luong and Tran The Anh and Huynh Thi Thanh Binh and Dusit Niyato and Dong In Kim and Ying-Chang Liang},
journal= {arXiv preprint arXiv:1810.10139},
year = {2018}
}