多信道机会接入：多选型游荡匪徒问题的一个实例

本文考虑机会频谱接入中出现的以下随机控制问题：一个系统由n个信道（Gilbert-Elliot信道）组成，每个信道的状态（好或坏）演化为独立同分布的马尔可夫过程。用户可以在每个时隙中选择恰好k个信道进行感知和接入（基于感知结果）。每当用户感知并接入一个好信道时，就会获得奖励。目标是在有限或无限时域内，设计一种信道选择策略，以最大化期望的折扣总奖励。在我们之前的工作中，我们证明了在信道状态转移随时间正相关的条件下，对于k=1（即单信道接入）的特殊情况，贪婪策略是最优的。在本文中，我们证明在相同条件下，贪婪策略对于k≥1的一般情况也是最优的；因此，这里引入的方法更具一般性。该问题可视为多选型游荡匪徒问题的一个特例。我们讨论了当前问题与该类问题现有文献之间的联系。