マルチエージェント強化学習による協調的知的反射表面ネットワーク【JST・京大機械翻訳】

Zhang Jie; Li Jun; Zhang Yijin; Wu Qingqing; Wu Xiongwei; Shu Feng; Jin Shi; Chen Wen

プレプリント

J-GLOBAL ID：202202205205088577 整理番号：22P0310802

マルチエージェント強化学習による協調的知的反射表面ネットワーク【JST・京大機械翻訳】

Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月26日プレプリントサーバーでの情報更新日： 2022年03月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

インテリジェント反射表面(IRS)は,将来の無線ネットワークで広く適用されている。本論文では,エネルギーハーベスティングの能力を有する協調IRSデバイスにより支援されたマルチユーザ通信システムを研究した。長期平均達成可能システム率を最大化することを目的として,送信電力,ユーザデータレート要求,およびIRSエネルギーバッファサイズに関する制約で,基地局(BS)での送信ビーム成形とIRSsでの離散位相シフトビーム成形を同時に設計することによって,最適化問題を定式化した。IRSsによって収穫されたエネルギーの時変チャネルと確率的到着を考慮して,著者らは最初にMarkov決定プロセス(MDP)として問題を定式化して,次に,最適化パラメータを切り離すために2つの層を有する新規マルチエージェントQミックス(MAQ)フレームワークを開発した。一層高い層は位相シフト分解能を最適化し,低いものは位相シフトビーム成形と電力割当である。位相シフト最適化は大規模動作空間を持つ整数計画問題なので,Wolpertinger法,すなわちMAQ-WPアルゴリズムを組み込むことによりMAQを改善し,動作空間縮小次元を持つ準最適性を達成した。さらに,MAQ-WPは良好な性能を達成するために高い複雑性を持つので,著者らは,わずかな性能損失のコストで連続空間に離散位相シフト動作をマッピングすることによって,ポリシー勾配ベースのMAQアルゴリズム,すなわちMAQ-PGを提案する。シミュレーション結果は,提案したMAQ-WPとMAQ-PGアルゴリズムが,従来のマルチエージェントDDPGより,それぞれ,10.7%と8.8%のデータ速度改善を達成できることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

移動通信

, ,

前のページに戻る