利用深度强化学习优化分布式 MIMO Wi-Fi 网络的吞吐量性能

Neelakantan Nurani Krishnan; Eric Torkildson; Narayan Mandayam; Dipankar Raychaudhuri; Enrico-Henrik Rantala; Klaus Doppler

doi:10.1109/TCCN.2019.2942917

利用深度强化学习优化分布式 MIMO Wi-Fi 网络的吞吐量性能

信息论 2024-10-30 v2 网络与互联网体系结构 math.IT

作者: Neelakantan Nurani Krishnan , Eric Torkildson , Narayan Mandayam , Dipankar Raychaudhuri , Enrico-Henrik Rantala , Klaus Doppler

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

本文探讨了利用深度强化学习（DRL）中的概念来实现采用分布式多用户 MIMO（D-MIMO）的 Wi-Fi 网络中动态资源管理的可行性。D-MIMO 是一种将一组无线接入点同步并分组以联合同时服务多个用户的技术。本文解决了与 D-MIMO Wi-Fi 网络相关的两个动态资源管理问题：（i）D-MIMO 组的信道分配，以及（ii）决定如何聚类接入点以形成 D-MIMO 组，从而最大化用户吞吐量性能。这些问题已知为 NP-Hard，且文献中仅存在启发式解。我们构建了一个 DRL 框架，通过学习智能体与该 D-MIMO Wi-Fi 网络交互、了解网络环境，并成功收敛到解决上述问题的策略。通过基于 D-MIMO Wi-Fi 网络的广泛模拟与在线训练，本文证明了 DRL 相比启发式解在用户吞吐量性能上实现 20% 提升的有效性，尤其在网络条件动态时。本工作也展示了 DRL 在同时满足多个网络目标方面的有效性，例如最大化用户吞吐量以及它们之间的吞吐量公平性。

关键词

深度强化学习分布式 MIMO Wi-Fi 网络资源管理吞吐量信道分配接入点聚类

引用

@article{arxiv.1812.06885,
  title  = {Optimizing Throughput Performance in Distributed MIMO Wi-Fi Networks using Deep Reinforcement Learning},
  author = {Neelakantan Nurani Krishnan and Eric Torkildson and Narayan Mandayam and Dipankar Raychaudhuri and Enrico-Henrik Rantala and Klaus Doppler},
  journal= {arXiv preprint arXiv:1812.06885},
  year   = {2024}
}

备注

30 pages, 12 figures. This work has been submitted to the IEEE for possible publication

利用深度强化学习优化分布式 MIMO Wi-Fi 网络的吞吐量性能

摘要

关键词

引用

备注

相关论文