MIX-MAB：基于强化学习的 LoRaWAN 资源分配算法
网络与互联网体系结构
2022-06-08 v1 人工智能
摘要
本文致力于改进长距离广域网（LoRaWAN）中终端节点（ED）成功发送数据包的包投递率（PDR）方面的资源分配算法。传输参数的设置显著影响 PDR。采用强化学习（RL），我们提出一种资源分配算法，使 ED 能以分布式方式配置其传输参数。我们将资源分配问题建模为多臂老虎机（MAB），进而提出一种名为 MIX-MAB 的两阶段算法来解决该问题，该算法由用于探索与利用的指数权重（EXP3）和连续消除（SE）算法组成。我们通过仿真结果评估 MIX-MAB 的性能，并与其他现有方法比较。数值结果表明，所提方案在收敛时间与 PDR 方面优于现有方案。
引用
@article{arxiv.2206.03401,
title = {MIX-MAB: Reinforcement Learning-based Resource Allocation Algorithm for LoRaWAN},
author = {Farzad Azizi and Benyamin Teymuri and Rojin Aslani and Mehdi Rasti and Jesse Tolvanen and Pedro H. J. Nardelli},
journal= {arXiv preprint arXiv:2206.03401},
year = {2022}
}