文献

J-GLOBAL ID：202002288884883294   整理番号：20A2614979

マルチエージェント深層強化学習に基づくハンドオーバ制御と電力割当の同時最適化【JST・京大機械翻訳】

Joint Optimization of Handover Control and Power Allocation Based on Multi-Agent Deep Reinforcement Learning

著者 (4件)： Guo Delin (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  Tang Lan (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  Zhang Xinggan (School of Electronic Science and Engineering, Nanjing University, Nanjing, China) ,  Liang Ying-Chang (Center for Intelligent Networking, and Communications(CINC), University of Electronic Science, and Technology of China, Chengdu, China)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 11  ページ： 13124-13138  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,マクロ基地局といくつかのミリ波(mmWave)小基地局から成る2層異種ネットワーク(HetNet)におけるハンドオーバ(HO)と電力割当問題を研究した。HO管理と電力割当方式を確立し,全体のスループットを最大化し,一方,HO周波数を低減した。特に,異なるユーザ機器(UE)により作られた決定間の相互関係を考慮して,まず,HOと電力割当問題を,全てのエージェント,すなわち,UEが同じターゲットを持つ,完全に協調したマルチエージェントタスクとしてモデル化した。次に,マルチエージェントタスクを解決して,各々のUEのために分散政策を得るために,著者らは,分散実行フレームワークによる集中型訓練を導入することによって,近位政策最適化(PPO)方法に基づくマルチエージェント強化学習(MARL)アルゴリズムを開発した。即ち,各UEに対する政策を訓練する大域的情報を用い,訓練終了後,各UEは分散ポリシーを得て,各UEのローカル観測に基づいてのみ実装できる。特に,集中学習における信用割当て問題に取り組むために,対抗的ベースラインを導入した。集中訓練により,マルチエージェントPPO(MAPPO)によって学習された分散警察は,より協調的に働くことができる。最後に,シミュレーション結果は,著者らの方法が他の既存の研究と比較してより良い性能を達成できることを証明した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  シミュレーション ,  計算機シミュレーション ,  *学習 ,  割当問題 ,  基地局 ,  警察 ,  EHF波 ,  スループット ,  *エージェント ,  *強化学習 ,  *ハンドオーバ
準シソーラス用語： *電力割当 ,  *同時最適化 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： マルチエージェント ,  深層強化学習 ,  ハンドオーバ ,  電力割当 ,  同時最適化