VRLS：一种面向车辆间通信的统一强化学习调度器
网络与互联网体系结构
2019-07-23 v1 人工智能
信息论
机器学习
math.IT
摘要
车辆间（V2V）通信在调度无线资源时需要考量其特有挑战。尽管可利用集中式调度器（例如位于基站上）以提供较高的调度性能，但在覆盖盲区情况下无法使用。为解决盲区外 V2V 传输的可靠调度问题，我们提出车辆强化学习调度器（VRLS），一种在车辆仍处于蜂窝网络覆盖内时即预测性分配 V2V 通信资源的集中式调度器。VRLS 是一种统一的强化学习（RL）方案，其中学习智能体、状态表示以及给予智能体的奖励适用于所关注的不同车辆环境（就车辆密度、资源配置和无线信道条件而言）。这种统一方案消除了针对不同环境重新设计 RL 组件的必要，并促进了从一个相似环境到另一环境的迁移学习。我们评估了 VRLS 的性能，并显示其相比最先进调度算法更能避免碰撞与半双工错误，并更好地复用资源。我们还表明，预训练的 VRLS 智能体可通过有限再训练适应不同 V2V 环境，从而支持在不同场景中的实际部署。
引用
@article{arxiv.1907.09319,
title = {VRLS: A Unified Reinforcement Learning Scheduler for Vehicle-to-Vehicle Communications},
author = {Taylan Şahin and Ramin Khalili and Mate Boban and Adam Wolisz},
journal= {arXiv preprint arXiv:1907.09319},
year = {2019}
}
备注
Article accepted to IEEE CAVS 2019