基于用户需求预测增强的级联深度强化学习在第六代无线网络资源分配中的应用研究

《IEEE Transactions on Communications》:User Demand Prediction–Enhanced Cascaded Deep Reinforcement Learning for Resource Allocation in 6G Wireless Communications

【字体: 大 中 小 】 时间:2026年09月18日 来源:IEEE Transactions on Communications 8.4

编辑推荐:

   摘要:资源分配通过提高频谱效率和确保严格的服务质量保证,在未来无线通信网络中发挥着至关重要的作用。未来的第六代无线网络预计将支持高度异构的服务需求,并满足多样且动态的用户需求。然而,在时变流量条件下,实时满足严格的服务质量(QoS)约束,加上多维无线资源之间的强耦合,使得高

  

摘要:

资源分配通过提高频谱效率和确保严格的服务质量保证,在未来无线通信网络中发挥着至关重要的作用。未来的第六代无线网络预计将支持高度异构的服务需求,并满足多样且动态的用户需求。然而,在时变流量条件下,实时满足严格的服务质量(QoS)约束,加上多维无线资源之间的强耦合,使得高效和及时的资源分配极具挑战性。为了解决这些问题,提出了一种用户需求预测增强的级联深度强化学习(UDP-CDRL)框架,以在动态用户需求下实现智能和自适应资源分配。具体而言,设计了一个用户需求预测(UDP)网络来学习和预测用户流量需求的时域演变。通过将预测的需求信息纳入决策过程,利用基于优势演员 - 评论家(A2C)的学习算法,通过级联多智能体合作共同优化资源块分配、发射功率和打孔/叠加比例。仿真结果表明,在异构 QoS 约束下,所提出的方案始终比基准方案获得更高的总传输速率和累积奖励。在不同超可靠低时延通信(URLLC)时延设置下的结果进一步表明,所提出的方案在 URLLC 调度后保持了更高的剩余增强型移动宽带(eMBB)总传输速率,表明其能够在更好地保持 eMBB 吞吐量的同时支持对时延敏感的 URLLC 传输。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号