基于强化学习的无线共存管理系统资源分配
信号处理
2018-06-14 v1 机器学习
网络与互联网体系结构
机器学习
摘要
在工业环境中，越来越多使用免授权频带的无线设备。无线系统间的相互干扰可能降低共存状态。因此，需要一个中央共存管理系统，为无线系统分配无冲突资源。为确保无冲突的资源利用，在分配资源前预测预期的介质利用率是有用的。本文提出一种基于强化学习的自学习概念。针对典型且具有实际相关性的共存场景，实现了基于神经网络、称为深度 Q 网络(double deep Q-networks)和双重深度 Q 网络(double deep Q-networks)的强化学习智能体的仿真评估。对双重深度 Q 网络的评估表明，在所有研究的场景中均可达到至少 98% 的预测准确率。
引用
@article{arxiv.1806.04702,
title = {Resource Allocation for a Wireless Coexistence Management System Based on Reinforcement Learning},
author = {Philip Soeffker and Dimitri Block and Nico Wiebusch and Uwe Meier},
journal= {arXiv preprint arXiv:1806.04702},
year = {2018}
}
备注
Submitted to the 23rd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA 2018)