基于双深度强化学习的切换算法分析

作者：董春利; 王莉

来源：无线互联科技, 2021, 18(15): 78-79.

• 双重深度强化学习
• 切换管理
• 毫米波通信

由于包括毫米波频率,导致5G网络中的切换更具挑战性,基站(BS)部署更加密集。由于毫米波BS的占用空间较小,进一步增加了切换的数量,从而使切换管理成为一项更关键的任务。因为随着切换数量的增加,降低了服务质量(QoS)和体验质量(QoE),以及更高的信令开销。文章讨论了一种基于双深度强化学习(DDRL)的离线方案,以最小化毫米波网络中切换的频率,从而减轻不利的QoS。由于考虑到的5G环境的固有特性,会产生连续且大量的状态空间,因此与传统的Q学习算法相比,DDRL更可取。

• 单位
  南京交通职业技术学院电子信息工程学院