基于激光混沌强化学习的高吞吐量稳定声学中继分配
声音
2025-07-09 v1 机器学习
音频与语音处理
最优化与控制
摘要
本研究解决了水声网络中稳定声学中继分配的问题。与大多数现有文献的目标不同，本文考虑了两种不同的目标，即经典稳定配置和模糊稳定配置。为了实现这些稳定配置，引入了一种基于激光混沌的多处理学习方法（LC-ML），以高效地获得高吞吐量并快速达到稳定性。为了充分探索中继的决策，该方法使用激光混沌生成的随机数来学习将中继分配给多个源节点。本研究发现，基于激光混沌的随机数和交换过程中的多处理对更高的吞吐量和随时间变化的环境的强适应性有积极影响。同时，与精确认知相比，模糊认知导致波动性更小的稳定配置。这提供了一种实用且有效的方法，并可作为复杂水下环境中中继选择的基础。
引用
@article{arxiv.2507.05900,
title = {Stable Acoustic Relay Assignment with High Throughput via Lase Chaos-based Reinforcement Learning},
author = {Zengjing Chen and Lu Wang and Chengzhi Xing},
journal= {arXiv preprint arXiv:2507.05900},
year = {2025}
}