LTE‐V 下基于深度强化学习的基站选择算法

• 作者: 宋春林 焦润泽 谢浩 郭爱煌
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 长期演进 车辆 深度强化学习 基站选择 拥塞概率 网络负载均衡
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 通信与网络
• 页码范围: 1652-1657
• 页数: 6页
• 分类号: T N 929.5
• 字数: 4910字
• 语种: 中文
• DOI: 10.3969/j.issn.1001‐506X.2019.07.29

摘要

针对长期演进 车辆(long term evolution‐vehicle ,LT E‐V )下的车辆随机竞争接入网络容易造成网络拥塞的问题,提出基于深度强化学习(deep reinforcement learning ,DRL )为 LT E‐V 下的车辆接入最佳基站(evolved node B ,eNB)的选择算法.使用L T E核心网中移动管理单元(mobility management entity ,M M E)作为代理,同时考虑网络侧负载与接收端接收速率,完成车辆与eNB的匹配问题,降低网络拥塞概率,减少网络时延.使用竞争 双重深度Q 网络(dueling‐double deep Q‐netw ork ,D‐DDQN )来拟合目标动作 估值函数(action‐value function ,AVF) ,完成高维状态输入 低维动作输出的转化.仿真表明,D‐DDQN 训练完成参数收敛后,L T E‐V网络拥塞概率大幅下降,整体性能有较大提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭爱煌	同济大学电子与信息工程学院	105	419	12.0	16.0
3	宋春林	同济大学电子与信息工程学院	46	147	8.0	9.0
4	谢浩	同济大学电子与信息工程学院	4	5	1.0	2.0
7	焦润泽	同济大学电子与信息工程学院	3	1	1.0	1.0