典型文献
交替方向乘子法与深度强化学习的资源分配
文献摘要：
针对有限信道状态信息下密集型网络资源分配的问题,提出将交替方向乘子法与深度强化学习算法相结合的模型驱动学习框架.区别于数据驱动框架,利用所提框架能够根据具体问题进行一对一建模.建模内容包括基站选择、功率和子载波分配,并用交替方向乘子法进行交替优化;用深度强化学习算法优化权重,求解目标函数,提高了算法的性能;利用有效信道状态信息而非多余信息,降低了通信开销;加强对最低用户服务质量的要求,在保证用户具有良好体验的情况下使小区的频谱效率最大化.仿真结果表明,在较少的迭代次数下,利用所提框架可使小区用户的频谱效率收敛,达到最大值.
文献关键词：
密集型网络;模型驱动;资源分配;深度强化学习;交替方向乘子法
中图分类号：
作者姓名：
郭兴康;孙君
作者机构：
南京邮电大学 通信与信息工程学院, 南京210003
文献出处：
引用格式：
[1]郭兴康;孙君-.交替方向乘子法与深度强化学习的资源分配)[J].北京邮电大学学报,2022(06):122-126
A类：
B类：
交替方向乘子法,信道状态信息,密集型网络,网络资源分配,深度强化学习算法,模型驱动,具体问题,一对一,建模内容,基站,子载波分配,交替优化,算法优化,多余,通信开销,用户服务,频谱效率,迭代次数
AB值：
0.249501
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。
