用于企业 WLAN 中分布式 AP 选择的多臂老虎机方法

WiFi 密集化导致多个重叠覆盖区域的存在，这使得用户站（STA）可在不同接入点（AP）间选择。标准 WiFi 关联方法使 STA 选择信号最强的 AP，这在许多情况下导致部分 AP 利用不足而另一些过度拥挤。为缓解此状况，强化学习技术如多臂老虎机可用于动态学习 AP 与 STA 间的最优映射，从而相应重新分配可用 AP 间的 STA。这是一个尤其具有挑战性的问题，因为给定 STA 观测到的网络响应依赖于其他 STA 的行为，因此在无网络全局视图时极难预测。本文聚焦于以分布式方式解决该问题，其中 STA 独立探索其覆盖范围内的不同 AP，并选择最能满足其需求的一个。为此，我们提出一种称为带粘滞性的机会主义 epsilon-greedy 的新方法，其在找到合适 AP 时停止探索，仅在不满意的关联轮次多次后才恢复探索。通过此方法，我们显著降低了网络响应动态性，提升了 STA 更快找到解决方案的能力，并实现了网络资源更高效利用。我们研究了场景特征（AP 与 STA 位置、业务负载及信道分配策略）如何影响学习过程与可达性能。我们还表明并非所有 STA 都须采用所提方案来改善其性能。最后，我们研究站逐步到达系统的情况，表明所考虑的方法在此非平稳设置下同样适用。