存在干扰机时利用强化学习进行最优无线速率与功率控制
网络与互联网体系结构
2022-10-12 v1 系统与控制
系统与控制
摘要
未来的无线网络需要高吞吐量和能效。本文研究使用强化学习（RL）进行传输速率和功率控制，以最大化由吞吐量和能耗共同组成的联合奖励函数。我们将系统状态设计为包含反映数据包队列长度、其他节点干扰、无线信道质量、电池状态等因素的变量。奖励函数经过归一化处理，不涉及单位换算。它可用于训练三种不同类型的智能体：吞吐量优先型、能耗优先型以及吞吐量与能耗平衡型。我们使用 NS-3 网络仿真软件，在存在干扰机的 802.11ac 网络中实现并训练了这些智能体。随后，我们在两个干扰节点干扰接收端接收数据包的情况下测试了这些智能体。我们将 RL 最优策略的性能与流行的 Minstrel 速率自适应算法进行了比较：我们的方法可以实现 使用吞吐量优先奖励函数时获得更高的吞吐量； 使用能耗优先奖励函数时获得更低的能耗； 使用吞吐量与能耗平衡奖励函数时获得更高的吞吐量和略高的能耗。尽管我们的讨论集中在 802.11ac 网络上，但我们的方法很容易适用于其他类型的无线网络。
引用
@article{arxiv.2210.04976,
title = {Optimal wireless rate and power control in the presence of jammers using reinforcement learning},
author = {Fadlullah Raji and Lei Miao},
journal= {arXiv preprint arXiv:2210.04976},
year = {2022}
}
备注
Published in International Telecommunication Union, Journal on Future and Evolving Technologies (ITU J-FET) 2022