面向机器类通信中快速上行授权的休眠多臂老虎机学习
信息论
2018-11-01 v1 math.IT
摘要
为机器类通信（MTCs）调度快速上行授权传输是未来无线系统的主要挑战之一。本文提出一种基于多臂老虎机（MABs）理论的新型快速上行授权调度方法。首先，将单一服务质量度量定义为数据包价值、最大可容忍接入延迟与数据速率的组合。由于基站（BS）无法预先获知所有机器类设备（MTDs）的这些度量完整信息，且活跃 MTDs 集合随时间变化，该问题被建模为具有随机可用性与随机奖励函数的休眠 MAB。特别地，鉴于在每时刻对活跃 MTDs 集合的了解是概率性的，提出一种新颖的概率性休眠 MAB 算法以最大化所定义度量。给出了后悔分析，并研究了源流量预测算法的预测误差对所提休眠 MAB 算法性能的影响。此外，为在每时刻实现多个 MTDs 的快速上行分配，基于 MAB 设置中最佳臂排序概念提出了一种新方法。仿真结果表明，所提框架相比随机调度策略将延迟减少了三倍，因其优先调度具有更严格延迟要求的 MTDs。此外，通过恰当平衡探索与利用的权衡，所提算法能够通过让最重要的 MTDs 被更频繁调度、同时让较不重要的 MTDs 被选中足够次数以确保其重要性估计的准确性，从而提供系统公平性。
引用
@article{arxiv.1810.12983,
title = {Sleeping Multi-Armed Bandit Learning for Fast Uplink Grant Allocation in Machine Type Communications},
author = {Samad Ali and Aidin Ferdowsi and Walid Saad and Nandana Rajatheva and Jussi Haapola},
journal= {arXiv preprint arXiv:1810.12983},
year = {2018}
}