TinyQMIX：基于多智能体强化学习的海量机器类通信分布式接入控制
网络与互联网体系结构
2022-11-22 v1 机器学习
多智能体系统
摘要
分布式接入控制是海量机器类通信(mMTC)的关键组成部分。在该通信场景下，集中式资源分配不具备可扩展性，因为资源配置必须频繁地从基站发送给海量设备。我们研究了不依赖集中控制的分布式强化学习资源选择方法。mMTC 的另一个重要特征是业务的突发性和动态变化。现有的分布式接入控制研究假设业务负载是静态的，或者它们能够逐步适应动态业务。我们通过训练 TinyQMIX（一种轻量级多智能体深度强化学习模型）来缩短适应周期，该模型在部署前于多种业务模式下学习分布式无线资源选择策略。因此，训练后的智能体能够快速适应动态业务并提供低接入时延。数值结果支持了我们的结论。
引用
@article{arxiv.2211.11692,
title = {TinyQMIX: Distributed Access Control for mMTC via Multi-agent Reinforcement Learning},
author = {Tien Thanh Le and Yusheng Ji and John C. S Lui},
journal= {arXiv preprint arXiv:2211.11692},
year = {2022}
}
备注
6 pages, 4 figures, presented at VTC Fall 2022