面向动态频谱接入系统的多智能体演员-评论家框架及调和退火稀疏化
机器学习
2025-03-20 v1 人工智能
网络与互联网体系结构
摘要
多智能体深度强化学习（MADRL）已成为优化复杂环境中去中心化决策系统的强大工具，例如动态频谱接入（DSA）。然而，在资源受限的边缘设备上部署深度学习模型仍然具有挑战性，因为计算成本较高。为解决这一挑战，本文提出了一种新颖的稀疏递归MARL框架，将渐进式神经网络剪枝集成到独立演员全局评论家范式中。此外，我们引入了调和退火稀疏度调度器，该调度器在大稀疏度下，能够与标准线性和多项式剪枝调度器相当，甚至在某些情况下表现更好。我们的实验 investigation 表明，所提出的DSA框架能够在多样化的训练条件下发现更优的策略，超越传统DSA方法、MADRL基线和最新的剪枝技术。
引用
@article{arxiv.2503.15172,
title = {Multi-Agent Actor-Critic with Harmonic Annealing Pruning for Dynamic Spectrum Access Systems},
author = {George Stamatelis and Angelos-Nikolaos Kanatas and George C. Alexandropoulos},
journal= {arXiv preprint arXiv:2503.15172},
year = {2025}
}
备注
5 pages, 3 figures, 1 table, submited to an IEEE conference