基于中心与分布式学习算法对的空间-空-地一体化网络切片多目标优化
网络与互联网体系结构
2023-09-25 v1 信号处理
摘要
作为下一代无线通信的一项引人注目的使能技术，网络切片在全球空间-空-地一体化网络（SAGIN）中支持具有多样资源约束的定制化服务。本文中，我们在同一底层物理 SAGIN 下动态考虑三类典型的无线接入网（RAN）切片，即高吞吐切片、低时延切片和广覆盖切片。通过考量 SAGIN 的地面、空中和卫星组件的不同信道特征与服务优势，以非标量形式联合优化这三类 RAN 切片的吞吐量、服务时延和覆盖面积。提出一种联合中心与分布式多智能体深度确定性策略梯度（CDMADDPG）算法求解上述问题以获得帕累托最优解。该算法首先依靠集中单元确定最优虚拟无人机（vUAV）位置及切片间子信道与功率共享；随后通过三个独立分布式单元优化切片内子信道与功率分配，以及支持三类切片的虚拟基站（vBS）/vUAV/虚拟低地球轨道（vLEO）卫星部署。仿真结果验证了所提方法逼近多 RAN 切片的帕累托最优利用，并优于基准方案。
引用
@article{arxiv.2309.12783,
title = {Multi-objective Optimization of Space-Air-Ground Integrated Network Slicing Relying on a Pair of Central and Distributed Learning Algorithms},
author = {Guorong Zhou and Liqiang Zhao and Gan Zheng and Shenghui Song and Jiankang Zhang and Lajos Hanzo},
journal= {arXiv preprint arXiv:2309.12783},
year = {2023}
}
备注
19 pages, 14 figures, journal