基于深度强化学习的新空口QoS感知调度
网络与互联网体系结构
2024-03-05 v1 人工智能
系统与控制
系统与控制
摘要
第五代（5G）新空口（NR）蜂窝网络支持广泛的新业务，其中许多业务需要特定于应用的服务质量（QoS），例如保证最小比特率或最大可容忍时延。因此，调度多个并行数据流（每个流服务于一个独特的应用实例）相比前几代技术势必成为更具挑战性的任务。利用深度强化学习的最新进展，本文提出一种用于NR网络的QoS感知深度强化学习智能体（QADRA）调度器。与最先进的调度启发式算法不同，QADRA调度器在最大化网络性能的同时显式优化QoS满足率。此外，我们针对这些目标端到端地训练算法。我们在全规模、近产品的系统级NR仿真器中评估QADRA，并展示了网络性能的显著提升。在我们的特定评估场景中，与最先进的基线相比，QADRA调度器在保持网络中VoIP用户的QoS满足率的同时将网络吞吐量提高了30%。
引用
@article{arxiv.2107.06570,
title = {QoS-Aware Scheduling in New Radio Using Deep Reinforcement Learning},
author = {Jakob Stigenberg and Vidit Saxena and Soma Tayamon and Euhanna Ghadimi},
journal= {arXiv preprint arXiv:2107.06570},
year = {2024}
}