基于启发式强化学习的动态CRE偏置选择算法

发布时间：2023-07-01 13:11

　　随着通信用户数量的不断增长,低功率基站逐渐出现负载不均衡问题,小区边缘用户受到的干扰逐步增加,从而导致整个小区的通信质量降低。为解决该问题,针对双层异构网络场景,提出一种基于启发函数进行小区范围扩展(CRE)偏置值动态选择的HSARSA(λ)算法。利用启发函数改进强化学习中的SARSA(λ)算法,通过该算法寻找出最优CRE偏置值,以缓解宏基站高热点负载压力并提高网络容量。仿真结果表明,相比SARSA(λ)和Q-Learning算法,HSARSA(λ)算法的边缘用户吞吐量分别提高约7%和12%,系统能效分别提高约11%与13%,系统通信质量得到较大提升。

【文章页数】：7 页

【文章目录】：
0 概述
1 系统模型与偏置方法
    1.1 系统模型
    1.2 CRE偏置方法
2 基于HSARSA(λ)算法的CRE偏置选择
    2.1 强化学习与SARSA(λ)算法
    2.2 HSARSA(λ)算法
        2.2.1 启发函数
        2.2.2 更新公式
        2.2.3 算法流程
3 实验结果与分析
4 结束语



本文编号：3836310