基于变分量子电路的无线网络优化
机器学习
2024-05-30 v1 人工智能
网络与互联网体系结构
摘要
在无线网络 (VNets) 中，确保道路安全和可靠网络连接至为重要。这需要构建具备韧性与高效决策策略的系统，以优先处理多个目标。本文开发了一种基于变分量子电路 (VQC) 的多目标强化学习 (MORL) 框架，用于 characterize 有效的网络选择和自动驾驶策略。数值结果表明，与传统深度Q网络 (DQN) 相比，VQC-MORL在收敛速度和奖励方面均实现显著提升，验证了该VQC-MORL解决方案的有效性。
引用
@article{arxiv.2405.18984,
title = {Optimizing Vehicular Networks with Variational Quantum Circuits-based Reinforcement Learning},
author = {Zijiang Yan and Ramsundar Tanikella and Hina Tabassum},
journal= {arXiv preprint arXiv:2405.18984},
year = {2024}
}
备注
Accepted By INFOCOM 2024 Poster - 2024 IEEE International Conference on Computer Communications