典型文献
基于深度强化学习的超密集网络中多用户上行功率控制方法
文献摘要：
针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题.由于该问题非凸且功率控制为离散变量,将其建模为马尔科夫决策过程.在此基础上,提出了基于深度强化学习的功率控制算法,并设计了相应的动作空间、状态空间及奖励函数.仿真结果表明,所提算法与最大发射功率策略和随机发射功率策略相比,分别提高了至少15.9％的信息容量和至少10.7％的用户服务质量满足率.与不考虑用户服务质量满足率提升的算法相比,所提算法通过适当降低信息容量,提升了用户服务质量满足率.
文献关键词：
超密集网络;功率控制;信息容量;服务质量;深度强化学习
中图分类号：
作者姓名：
毛晋;熊轲;位宁;张煜;张锐晨
作者机构：
北京交通大学计算机与信息技术学院,北京100044;交通数据分析与挖掘北京市重点实验室,北京100044;中兴通讯股份有限公司,广东 深圳518057;移动网络和移动多媒体技术国家重点实验室,广东 深圳518055;国网能源研究院有限公司,北京102209
文献出处：
引用格式：
[1]毛晋;熊轲;位宁;张煜;张锐晨-.基于深度强化学习的超密集网络中多用户上行功率控制方法)[J].南京师范大学学报（工程技术版）,2022(01):16-23
A类：
B类：
深度强化学习,超密集网络,多用户,用户数量,彼此之间,频谱利用率,优化控制,制发,发射功率,率同,提升系统,信息容量,优化问题,非凸,离散变量,马尔科夫决策过程,功率控制算法,动作空间,状态空间,奖励函数,用户服务
AB值：
0.271604
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
