RL论文分析
文章平均质量分 82
记录一些学习的RL文章
@白圭
积沙成塔
展开
-
强化学习论文分析6---多基站_强化学习_流量调节_干扰协调
在异构云无线接入网(H-CRAN)中,对于基站不同的负载量,3GPP组织提出了7种帧结构,以达到动态传输流量控制的目的。而由于不同帧结构可能引起小区间的跨子帧干扰,运营商往往对于所有采取都采用相同的帧结构。对于上述问题,在本文中作者设计了一种基于强化学习的高效、低复杂度方案。该方案可以同时兼顾流量调节和干扰协调,达到使用合适帧结构、提高信道容量的目的。原创 2022-11-29 22:02:05 · 307 阅读 · 0 评论 -
强化学习论文分析5---多基站_强化学习_联邦学习_计算卸载
为了更好地将AI服务应用于通信网络之中,作者建议在每个基站处配置MEC服务器作为辅助。在此情景下,就产生了用户端计算卸载的分配方案选择问题。本文中,作者提出了一种基于多代理联合强化学习的计算卸载算法,有助于整个通信网络运行更为高效。此外,考虑到部分场景无法支持联合强化学习的信令开销,作者还提出了基于联邦学习的计算卸载算法。两种方法均优于常规算法,联合强化学习方案产生更大的信令开销,同时也具有更好的性能。联邦学习方法是对于联合强化学习方法的弱化,旨在用更少的信令,达到优于常规的效果。原创 2022-11-21 19:29:05 · 1484 阅读 · 6 评论 -
强化学习论文分析4---异构网络_强化学习_功率控制《Deep Reinforcement Learning for Multi-Agent....》
在异构网络条件下,使用强化学习(包括DQN和AC)算法对各个基站的功率进行控制,最终达到信道容量最大化的目的。我个人觉得这篇文章的内容很饱满,可以认为是强化学习在功率控制领域(干扰管理)应用的集大成者。原创 2022-11-14 19:14:11 · 1081 阅读 · 2 评论 -
强化学习论文分析3---蜂窝网络联合频谱和功率分配的深度强化学习--《Deep Reinforcement Learning for ......》
本文作者联合使用DQN和DDPG强化学习方法,用于下行功率控制中的频带选择与能量分配。结果表明,该方法具有很好的收敛速度和泛化性能。原创 2022-10-26 20:46:34 · 1113 阅读 · 2 评论 -
强化学习论文分析2-------无小区大规模MIMO的下行功率控制
在本文中,作者使用基于强化学习的Actor-Critic算法对无小区大规模多输入输出的功率分配问题进行处理,实现了相较传统凸优化算法三个数量级的速率提升,也比传统深度学习算法有着更好地性能。原创 2022-10-10 22:20:52 · 609 阅读 · 0 评论 -
强化学习论文分析1---多小区功率控制问题----《Power Allocation in Multi-cell Networks Using Deep Reinforcement Learning》
本文作者将DQN网络应用到多小区的功率分配问题之中,与传统water-fill算法相比,提升了系统的总体容量,与此同时,在模型收敛性和稳定性上有着一定的不足。其系统模型图如下所示。原创 2022-10-10 00:49:58 · 659 阅读 · 0 评论