基于强化学习的速率自适应算法中计算延迟分析
网络与互联网体系结构
2023-03-31 v1 机器学习
摘要
若干研究工作已应用强化学习（RL）算法来解决 Wi-Fi 网络中的速率自适应（RA）问题。无线链路的动态特性要求算法对链路质量变化具有响应能力。算法执行中的延迟可能损害其性能，进而降低网络性能。这一方面在现有研究中被忽视。在本文中，我们分析了基于 RL 的 RA 算法中常见的计算延迟，并提出了一种可应用于减少这些计算延迟并提升此类算法效率的方法论。我们将所提方法论应用于一种已有的基于 RL 的 RA 算法。获得的实验结果表明算法执行时间降低了一个数量级，改善了其对链路质量变化的响应能力。
引用
@article{arxiv.2303.17477,
title = {On the Analysis of Computational Delays in Reinforcement Learning-based Rate Adaptation Algorithms},
author = {Ricardo Trancoso and Ruben Queiros and Helder Fontes and Rui Campos},
journal= {arXiv preprint arXiv:2303.17477},
year = {2023}
}
备注
6 pages, 3 figures