自由空间光前传网络中基于图神经网络的资源分配
信号处理
2020-06-29 v1 机器学习
摘要
本文研究自由空间光（FSO）前传网络中的最优资源分配。该最优分配在功率限制和数据拥塞约束下最大化平均加权和容量。基于链路的瞬时信道状态信息（CSI），同时考虑自适应功率分配与节点选择。通过对资源分配策略进行参数化，我们将该问题表述为一个无监督统计学习问题。我们采用图神经网络（GNN）进行策略参数化，以利用FSO网络结构并减少训练参数规模。GNN被证明保持了与网络中资源分配策略的置换等变性相匹配的置换等变性。开发了原始对偶学习算法以无模型方式训练GNN，无需系统模型知识。数值仿真展示了GNN相对于采用均等功率分配与随机节点选择的基线策略的强劲性能。
引用
@article{arxiv.2006.15005,
title = {Resource Allocation via Graph Neural Networks in Free Space Optical Fronthaul Networks},
author = {Zhan Gao and Mark Eisen and Alejandro Ribeiro},
journal= {arXiv preprint arXiv:2006.15005},
year = {2020}
}