ReinWiFi：基于强化学习的 WiFi 网络应用层 QoS 优化
网络与互联网体系结构
2025-05-23 v2 机器学习
摘要
增强分布信道访问（EDCA）机制用于当前无线局域网（WiFi）网络，以支持异构应用的优先级需求。然而，EDCA 机制无法适应特定的质量服务（QoS）目标、网络拓扑和干扰水平。本文提出了一种新颖的基于强化学习的调度框架，用于优化具有商业适配器和未知干扰的 WiFi 网络的应用层质量服务（QoS）。具体而言，通过调整争用窗口大小和应用层吞吐量限制，对文件传输和延迟敏感通信的应用层任务进行联合调度，以优化前者的吞吐量和后者的往返时间。由于适配器的未知干扰和厂商相关的实现，调度策略与系统 QoS 之间的关系是未知的。因此，提出了一种强化学习方法，其中训练了一个新颖的 Q 网络，将历史调度参数和 QoS 观测映射到当前调度动作。在测试台上 demonstrated that 该框架能够显著优于 EDCA 机制。
引用
@article{arxiv.2405.03526,
title = {ReinWiFi: Application-Layer QoS Optimization of WiFi Networks with Reinforcement Learning},
author = {Qianren Li and Bojie Lv and Yuncong Hong and Rui Wang},
journal= {arXiv preprint arXiv:2405.03526},
year = {2025}
}