文献

J-GLOBAL ID：202202259401809180   整理番号：22A0780032

ダウンリンクNOMAシステムにおける電力割当のための深いQ学習二分法【JST・京大機械翻訳】

A Deep Q-Learning Bisection Approach for Power Allocation in Downlink NOMA Systems

著者 (4件)： Youssef Marie-Josepha (LabSTICC (UMR CNRS 6285), IMT Atlantique, Brest, France) ,  Nour Charbel Abdel (LabSTICC (UMR CNRS 6285), IMT Atlantique, Brest, France) ,  Lagrange Xavier (IRISA, UMR CNRS 6074, IMT Atlantique, Rennes, France) ,  Douillard Catherine (LabSTICC (UMR CNRS 6285), IMT Atlantique, Brest, France)
資料名： IEEE Communications Letters  (IEEE Communications Letters)
巻： 26  号： 2  ページ： 316-320  発行年： 2022年 
JST資料番号： W0941A  ISSN： 1089-7798  CODEN： ICLEF6  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： 本研究では,ダウンリンク非直交多重アクセス(NOMA)システムのための加重和レート最大化問題を研究した。電力とデータレート制約により,この問題は一般に非凸である。したがって,深層強化学習(DRL)フレームワークに基づく新しい解決策を電力割当問題のために提案する。DRLに基づく以前の研究は,可能な電力レベルの限られた集合に対する解を制限するが,提案したDRLフレームワークは,連続電力割当をエミュレートする,はるかに大きな粒度の解を見つけるために特別に設計されている。シミュレーション結果は,提案した電力割当法が2つのベースラインアルゴリズムより優れていることを示した。さらに,それは,性能に関して徹底的探索をアプローチするはるかに複雑な遺伝的アルゴリズムによって得た加重和レートのほぼ85%を達成した。Copyright 2022 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 ,  シミュレーション ,  *電力 ,  最大化問題 ,  伝送速度 ,  エミュレーション ,  多重化 ,  問題 ,  凸形 ,  基準線 ,  直交性 ,  遺伝的アルゴリズム
準シソーラス用語： *電力割当 ,  データレート ,  *Q学習 ,  *ダウンリンク , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (3件)： ダウンリンク ,  電力割当 ,  Q学習