文档名：5G异构网络中基于优先级的深度强化学习联合资源分配
摘要：为了研究基于深度强化学习(DeepReinforcementLearning,DRL)的5G异构网络模型的性能,同时在最小化系统能耗并满足不同类型终端用户的服务质量要求的基础上制定合理的资源分配方案,提出了一种基于DRL的近端策略优化算法,并结合一种基于优先级的分配策略,引入了海量机器类型通信、增强移动宽带和超可靠低延迟通信业务.所提算法相较于Greedy和DQN算法,网络延迟分别降低73.19%和47.05%,能耗分别降低9.55%和6.93%,而且可以保证能源消耗和用户延迟之间的良好权衡.
Abstract：InordertoinvestigatetheperformanceofDeepReinforcementLearning(DRL)-basedheterogeneousnetworkmodelsanddevelopareasonableresourceallocationschemebasedonminimizingsystemenergyconsumptionandsatisfyingthequalityofservice(QoS)requirementsofdifferenttypesofendusers,theauthorsproposeaDRL-basedProximalPolicyOptimization(PPO)algorithmandintroducemassivemachinetypecommunication(mMTC),enhancedmobilebroadband(eMBB)andultraultra-reliableandlowlatencycommunications(URLLC)servicesbycombiningwithapriority-basedallocationpolicy.comparedwiththeGreedyandDQNalgorithms,theproposedalgorithmreducesthenetworkdelayby73.19%and47.05%,andtheenergyconsumptionby9.55%and6.93%,respectively,andcanensureagoodtrade-offbetweenenergyconsumptionanduserlatency.
作者：宋端正 郭业才 李晖 诸锦涛 王昊 Author：SONGDuanzheng GUOYecai LIHui ZHUJintao WANGHao
作者单位：南京信息工程大学电子与信息工程学院,南京210044南京信息工程大学电子与信息工程学院,南京210044;无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心,江苏无锡214105无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心,江苏无锡214105
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(5)
分类号：TN929.5
关键词：5G 异构网络 资源分配 深度强化学习
Keywords：5G heterogeneousnetworks resourceallocation deepreinforcementlearning
机标分类号：TN929.5TP393TN393
在线出版日期：2024年6月5日
基金项目：国家自然科学基金，江苏省基础研究计划青年基金项目，江苏省双创博士人才项目，南京信息工程大学滨江学院科研启动项目5G异构网络中基于优先级的深度强化学习联合资源分配[
期刊论文] 电讯技术--2024, 64(5)宋端正 郭业才 李晖 诸锦涛 王昊为了研究基于深度强化学习(DeepReinforcementLearning,DRL)的5G异构网络模型的性能,同时在最小化系统能耗并满足不同类型终端用户的服务质量要求的基础上制定合理的资源分配方案,提出了一种基于DRL的近端策略优化算...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
5G异构网络中基于优先级的深度强化学习联合资源分配 Priority-based Joint Resource Allocation for Deep Reinforcement Learning in 5G Heterogeneous Networks
5G异构网络中基于优先级的深度强化学习联合资源分配.pdf
- 文件大小:
- 4.26 MB
- 下载次数:
- 60
-
高速下载
|
