学习调度（LEASCH）：一种用于 5G MAC 层无线资源调度的深度强化学习方法
网络与互联网体系结构
2020-06-11 v1 机器学习
信号处理
摘要
网络管理工具通常是从一代继承到下一代的。这种做法之所以成功，是因为这些工具一直受到管控并定期更新，以适配新的网络目标与服务需求。遗憾的是，新的网络服务将使这种方法过时，而手工打造新工具或升级现有工具可能导致系统复杂化，极难维护与改进。幸运的是，AI 的最新进展提供了有前景的新工具，可帮助解决许多网络管理问题。遵循这一有趣趋势，本文提出 LEASCH，一种能够解决 5G 网络 MAC 层无线资源调度问题的深度强化学习模型。LEASCH 在沙盒中开发并训练，随后部署于 5G 网络。实验结果在多项关键性能指标上验证了 LEASCH 相对于传统基线方法的有效性。
引用
@article{arxiv.2003.11003,
title = {Learn to Schedule (LEASCH): A Deep reinforcement learning approach for radio resource scheduling in the 5G MAC layer},
author = {F. AL-Tam and N. Correia and J. Rodriguez},
journal= {arXiv preprint arXiv:2003.11003},
year = {2020}
}
备注
Submitted to IEEE ACCESS, 16 pages, 7 Figures