- 博客(2)
- 收藏
- 关注
RSS订阅原创 Throughput Optimization for Grant-Free Multiple Access With Multiagent Deep Reinforcement Learning
基于多智能体深度强化学习的非授权多址吞吐量优化 Abstract \quad\quad非授权多址(GFMA)有希望有效支持物联网设备的上行接入。在本文中，我们为GFMA系统提出了一种基于深度强化学习(DRL)的导频序列选择方案，以减轻潜在的导频序列冲突。我们将具有特定吞吐量约束的GFMA系统中总吞吐量最大化的导频序列选择问题公式化为马尔可夫决策过程(MDP)。通过利用多智能体DRL，我们训练深度神经网络(DNNs)从底层MDP的过渡历史中学习接近最优的导频序列选择策略，而不需要用户之间的信息交换。虽然训练过
2021-08-07 10:32:29
825
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人