学习切片 Wi-Fi 网络：一种状态增广原始-对偶方法
信号处理
2025-09-23 v2 机器学习
摘要
网络切片是 5G/NG 蜂窝网络中的一项关键特性，它为具有各种服务质量 (QoS) 要求的不同服务类型创建定制切片，可实现服务差异化并为每种服务类型保证服务级别协议 (SLA)。在 Wi-Fi 网络中，关于切片的先前工作有限，一种潜在的解决方案是基于单接入点 (AP) 上的多租户架构，将不同信道专用于不同切片。在本文中，我们定义了一个灵活的受约束学习框架，以在满足 QoS 要求的条件下实现 Wi-Fi 网络中的切片。我们具体提出了一种基于无监督学习的网络切片方法，该方法利用状态增广原始-对偶算法，其中神经网络策略在离线阶段被训练以优化拉格朗日函数，而双变量动力学在执行阶段在线更新。我们表明，状态增广对于生成满足遍历 QoS 要求的切片决策至关重要。
引用
@article{arxiv.2405.05748,
title = {Learning to Slice Wi-Fi Networks: A State-Augmented Primal-Dual Approach},
author = {Yiğit Berkay Uslu and Roya Doostnejad and Alejandro Ribeiro and Navid NaderiAlizadeh},
journal= {arXiv preprint arXiv:2405.05748},
year = {2025}
}