多用户蜂窝网络中基于深度强化学习的功率分配
DOI:
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TN92

基金项目:

国家自然科学基金(61571108)、网络与交换技术国家重点实验室(北京邮电大学)开放课题(SKLNST-2020-1-13) 项目资助


Power allocation based on deep reinforcement learning in multi-user cellular networks
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    在用户密集分布的蜂窝网络中,功率分配是决定系统性能和通信质量的重要因素之一。由于现有的功率分配算法往 往达不到理想效果,而且泛化能力较差。在此基础上,提出一种基于D3QN(dueling double deep Q network)的功率分配算法 来优化系统的传输速率。D3QN 采用双神经网络和竞争网络优化神经网络的结构,通过解耦动作的选择和价值的评估,解决 了DQN中出现的高估问题。仿真结果表明,该算法能够获得的平均速率比 DQN高7.14%,在收敛速度和稳定性方面也有较 好的表现,且泛化能力较强,可适用于不同实际场景。

    Abstract:

    Power allocation is one of the most important factors that determine the system performance and communication quality in the densely distributed cellular networks.Because the existing power allocation algorithms often can not achieve the desired results,and the generalization ability is poor.On this basis,a power allocation algorithm based on dueling double deep Q network(D3QN)is proposed to optimize the transmission rate of the system. D3QN uses dual neural networks and competitive networks to optimize the structure of neural networks.Through the selection and evaluation of decoupling actions,the overestimation problem in DQN is solved.The simulation results show that the average rate obtained by this algorithm is 7.14%higher than that of DQN algorithm,has better performance in convergence speed and stability,and has strong generalization ability,which can be applied to different actual scenarios.

    参考文献
    相似文献
    引证文献
引用本文

刘子怡,李君,李正权.多用户蜂窝网络中基于深度强化学习的功率分配[J].国外电子测量技术,2023,42(3):30-35

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-10-22
  • 出版日期:
文章二维码