基于深度强化学习的无线网络时延公平性优化
信息论
2022-01-26 v1 math.IT
摘要
在本文中，我们提出了一种新颖的深度强化学习框架，以最大化用户在时延方面的公平性。为此，我们设计了一个改进的最大加权时延优先（M-LWDF）算法的新版本，称为 -M-LWDF，旨在实现用户公平性与平均时延之间的适当平衡。该平衡被定义为用户时延的累积分布函数（CDF）上的一个可行区域，该区域可用于识别不公平状态、可行公平状态和过度公平状态。仿真结果表明，我们所提出的框架在时延公平性和平均时延方面优于传统的资源分配技术。
引用
@article{arxiv.2201.10281,
title = {Latency Fairness Optimization on Wireless Networks through Deep Reinforcement Learning},
author = {M. López-Sánchez and A. Villena-Rodríguez and G. Gómez and F. J. Martín-Vega and M. C. Aguayo-Torres},
journal= {arXiv preprint arXiv:2201.10281},
year = {2022}
}
备注
5 pages, 4 figures, 3 tables