基于多智能体强化学习的车队 C-V2X 系统信道分配与功率分配
信号处理
2022-06-22 v2 机器学习
摘要
我们考虑在底层蜂窝车联网（C-V2X）系统中的联合信道分配与功率分配问题，其中多个车辆到网络（V2N）上行链路与多个车辆到车辆（V2V）车队共享时频资源，车队使一组联网自动驾驶车辆紧密行驶在一起。由于车辆环境中用户高移动性的本质，依赖全局信道信息的传统集中式优化方法在具有大量用户的 C-V2X 系统中可能不可行。利用多智能体强化学习（RL）方法，我们提出一种分布式资源分配（RA）算法来克服这一挑战。具体地，我们将 RA 问题建模为多智能体系统。仅基于本地信道信息，每个作为智能体的车队队长相互集体交互，并相应选择用于发送信号的最优子带与功率水平组合。为此，我们利用双深度 Q 学习算法在同时最大化 V2N 链路和速率并满足各 V2V 链路在期望时延限制内的包投递概率的目标下联合训练智能体。仿真结果表明，我们提出的基于 RL 的算法提供了与著名的穷举搜索算法相近的性能。
引用
@article{arxiv.2011.04555,
title = {Multi-Agent Reinforcement Learning for Channel Assignment and Power Allocation in Platoon-Based C-V2X Systems},
author = {Hung V. Vu and Mohammad Farzanullah and Zheyu Liu and Duy H. N. Nguyen and Robert Morawski and Tho Le-Ngoc},
journal= {arXiv preprint arXiv:2011.04555},
year = {2022}
}
备注
5 pages, 3 figures