-
题名LTE-V下基于深度强化学习的基站选择算法
被引量:3
- 1
-
-
作者
谢浩
郭爱煌
宋春林
焦润泽
-
机构
同济大学电子与信息工程学院
东南大学毫米波国家重点实验室
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2019年第7期1652-1657,共6页
-
基金
毫米波国家重点实验室开放项目(K201935)资助课题
-
文摘
针对长期演进-车辆(long term evolution-vehicle, LTE-V)下的车辆随机竞争接入网络容易造成网络拥塞的问题,提出基于深度强化学习(deep reinforcement learning,DRL)为LTE-V下的车辆接入最佳基站(evolved node B,eNB)的选择算法。使用LTE核心网中移动管理单元(mobility management entity,MME)作为代理,同时考虑网络侧负载与接收端接收速率,完成车辆与eNB的匹配问题,降低网络拥塞概率,减少网络时延。使用竞争-双重深度Q网络(dueling-double deep Q-network,D-DDQN)来拟合目标动作-估值函数(action -value function,AVF),完成高维状态输入-低维动作输出的转化。仿真表明,D-DDQN训练完成参数收敛后,LTE-V网络拥塞概率大幅下降,整体性能有较大提升。
-
关键词
长期演进-车辆
深度强化学习
基站选择
拥塞概率
网络负载均衡
-
Keywords
long term evolution-vehicle (LTE-V)
deep reinforcement learning (DRL)
evolved node B (eNB) selection
network blocking probability
load balance
-
分类号
TN929.5
[电子电信—通信与信息系统]
-