基于PER-branch双深度Q网络的5G eMBB多维联合资源调度

《Scientific Reports》：Multi-dimensional joint resource scheduling for 5G eMBB by a PER-branch dual deep Q-network

　　

摘要

第五代（5G）网络的大规模部署增加了增强型移动宽带（eMBB）场景下资源管理的复杂性。网络运营商必须同时优化吞吐量、能源效率和用户公平性。然而，传统的调度算法往往难以适应动态的信道条件和异构的服务需求。为了解决这些挑战，本研究提出了一种基于优先经验回放分支双深度Q网络（PER-BDQ）的多维资源调度框架。该模型采用了动作分支架构，分别独立优化子载波分配、离散发射功率水平和计算资源分配。这种解耦的决策机制降低了动作空间的复杂性，并提高了训练的收敛速度。实验在大规模的多输入多输出（MIMO）多流传输环境中进行。所提出的方法实现了11.34 Gbps的总体系统吞吐量和53.9比特/焦耳的能源效率，同时保持了稳定的学习行为，累积奖励标准差为22.3。与基线方法相比，该框架在各种仿真场景中均显著提升了性能。总体而言，研究结果证明了多维联合资源调度在模拟的5G eMBB环境中的有效性，并为智能调度设计提供了有用的参考。