5G异构网络中基于优先级的深度强化学习联合资源分配

5G异构网络中基于优先级的深度强化学习联合资源分配宋端正;郭业才;李晖;诸锦涛;王昊
【期刊名称】《电讯技术》
【年(卷),期】2024(64)5
【摘要】为了研究基于深度强化学习(Deep Reinforcement Learning,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。

【总页数】8页(P685-692)
【作者】宋端正;郭业才;李晖;诸锦涛;王昊
【作者单位】南京信息工程大学电子与信息工程学院;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
【正文语种】中文
【中图分类】TN929.5
【相关文献】
1.无线网络中基于深度强化学习的资源分配研究
2.基于深度强化学习的异构云无线接入网自适应无线资源分配算法
3.基于强化学习的异构超密度网络资源分配算法
4.6G密集网络中基于深度强化学习的资源分配策略
5.异构网络中基于深度强化学习的用户关联与资源分配策略
因版权原因，仅展示原文概要，查看原文内容请购买。