车载光相机通信中的多智能体深度强化学习
机器学习
2022-05-06 v1 信息论
多智能体系统
网络与互联网体系结构
math.IT
摘要
光相机通信（OCC）已成为未来自动驾驶车辆无缝运行的关键使能技术。本文提出一种车载OCC中的频谱效率优化方法。具体而言，我们旨在满足误码率与时延约束的前提下，最优地适配调制阶数与相对速度。由于该优化问题是NP-hard问题，我们将优化问题建模为马尔可夫决策过程（MDP）以启用可在线应用的求解方案。随后，我们采用拉格朗日松弛方法对约束问题进行松弛，再通过多智能体深度强化学习（DRL）求解。我们通过大量仿真验证了所提方案的性能，并将其与多种变体方法及随机方法进行比较。评估表明，与对比方案相比，我们的系统实现了显著更高的总和频谱效率。
引用
@article{arxiv.2205.02672,
title = {Multi-Agent Deep Reinforcement Learning in Vehicular OCC},
author = {Amirul Islam and Leila Musavian and Nikolaos Thomos},
journal= {arXiv preprint arXiv:2205.02672},
year = {2022}
}
备注
Accepted in VTC2022-Spring