基于多玩家臂 bandit 的可重构智能表面辅助混合网络中两阶段资源分配
信号处理
2024-06-11 v1
摘要
本文考虑的资源分配问题中, 多个物联网 (IoT) 设备可选是否借助可重构智能表面 (RIS) 辅助的细胞网络将数据发送到基站 (BS)。目标是通过为每个设备寻找最优的 RIS 配置和扩频因子 (SF), 实现所有 IoT 设备的总速率最大化。由于这些 IoT 设备缺乏关于 RIS 或信道状态信息 (CSI) 的先验信息, 因此需要一种具有低复杂度和学习特征的分布式资源分配框架以实现此目标。因此, 我们将此问题建模为两个阶段的多玩家多臂 bandit (MPMAB) 框架, 以顺序学习最优的 RIS 和 SF。随后, 我们提出了一种用于解决该两阶段 MPMAB 问题的探索与开发提升 (E2Boost) 算法, 通过组合 -贪婪算法、Thompson 抽样 (TS) 算法和非合作博弈方法实现。我们推导了所提出算法的上 regret 界, 即 , 随时间范围 的对数增长。数值结果表明, E2Boost 算法在现有方法中性能最佳, 并表现出快速的收敛速度。更重要的是, 由于两阶段分配机制, 该算法对 RIS 和 SF 组合数量不敏感, 这有利于高密度网络。
引用
@article{arxiv.2406.05780,
title = {Two-Stage Resource Allocation in Reconfigurable Intelligent Surface Assisted Hybrid Networks via Multi-Player Bandits},
author = {Jingwen Tong and Hongliang Zhang and Liqun Fu and Amir Leshem and Zhu Han},
journal= {arXiv preprint arXiv:2406.05780},
year = {2024}
}
备注
This paper was published in IEEE Transcation on Communications