强化学习
文章平均质量分 94
探讨强化学习和凸优化之间的优势互补
m0_56225161
这个作者很懒,什么都没留下…
展开
-
“No-Pain No-Gain: DRL Assisted Optimization in Energy-Constrained CR-NOMA Networks”代码分析和验证
这篇paper于2021年发布在IEEE TRANSACTIONS ON COMMUNICATIONS 上,论文的具体细节可查看我的文章。作者已在GitHub上发布了,下面将从源代码分析和添加实验验证两个方面展开介绍。原创 2024-04-02 21:54:30 · 784 阅读 · 0 评论 -
“No-Pain No-Gain: DRL Assisted Optimization in Energy-Constrained CR-NOMA Networks”论文学习笔记
这篇paper于2021年发布在IEEE TRANSACTIONS ON COMMUNICATIONS 上,是有关于在CR-NOMA网络中,能量受限的次要用户如何根据主用户的CSI来优化自身的数据传输功率P和时间分配因子。对该系统而言,由于每一帧之间PU的调度导致系统的CSI一直在变化,所以即使CSI只考虑大尺度衰落,该问题也是时变的,仅依靠传统的凸优化是难以求解的。(一帧内数据传输阶段所占用的时间,剩下时间为能量收集时间)以最大化长期吞吐量的问题。,增加了系统性能和训练稳定度,降低了RL的复杂性。原创 2024-04-01 10:11:30 · 716 阅读 · 0 评论