无线多址策略及其信令的可扩展联合学习
信息论
2022-06-09 v1 人工智能
机器学习
多智能体系统
math.IT
摘要
在本文中，我们应用多智能体强化学习（MARL）框架，允许基站（BS）和用户设备（UEs）在无线多址场景中联合学习信道接入策略及其信令。在该框架中，BS 和 UEs 是需要协作以传输数据的强化学习（RL）智能体。与无竞争和基于竞争的基线相比，我们的框架即使在高速流量情况下也能在良好吞吐量方面取得更优性能，同时保持低碰撞率。由于可扩展性是 MARL 中的一个主要问题，本文研究了所提方法的可扩展性，并提供了首批结果以解决该问题。
引用
@article{arxiv.2206.03844,
title = {Scalable Joint Learning of Wireless Multiple-Access Policies and their Signaling},
author = {Mateus P. Mota and Alvaro Valcarce and Jean-Marie Gorce},
journal= {arXiv preprint arXiv:2206.03844},
year = {2022}
}
备注
Paper accepted at VTC 2022 Spring Workshops. arXiv admin note: substantial text overlap with arXiv:2108.07144