Q-NAV：水下无线网络中基于强化学习的 NAV 设置方法
信号处理
2020-05-28 v1 机器学习
摘要
在搜寻水下资源、海洋探险或环境研究中，对水下通信的需求正急剧增长，然而由于水下环境的特性，无线通信存在诸多问题。特别是在水下无线网络中，由于节点间距离会产生不可避免的时延和空间不公平性。为解决这些问题，本文提出了一种基于 ALOHA-Q 的新方案。所提方法使用随机 NAV 值，环境通过通信成功或失败获得奖励，随后环境根据奖励设置 NAV 值。该模型在水下无线网络中最小化能耗与计算资源的使用，并通过强化学习学习与设置 NAV 值。仿真结果表明，NAV 值可随环境自适应并选取最适宜的值，从而解决不必要的时延与空间不公平性问题。仿真结果显示，与原 NAV 相比 NAV 时间减少了 17.5%。
引用
@article{arxiv.2005.13521,
title = {Q-NAV: NAV Setting Method based on Reinforcement Learning in Underwater Wireless Networks},
author = {Seok-Hyeon Park and Ohyun Jo},
journal= {arXiv preprint arXiv:2005.13521},
year = {2020}
}
备注
in Korean language