科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提升反向散射网络中物联网设备的平均吞吐量，提出了一种资源分配机制，构建了用户配对和时隙分配联合优化资源分配模型。由于该模型直接利用深度强化学习(Deep Reinforcement Learning, DRL)算法求解导致动作空间维度较高且神经网络复杂，故将其分解为两层子问题以降低动作空间维度：首先，基于深度强化学习算法，利用历史信道信息推断当前的信道信息以进行最优的用户配对；然后，在用户固定配对的情况下，基于凸优化算法，以最大化物联网设备总吞吐量为目标进行最优的时隙分配。仿真结果表明，与其他资源分配方法相比，所提资源分配方法能有效提升系统吞吐量，且有较好的信道适应性和收敛性。
- 单位
