Q-Learning سریع اکتشافی توزیع شده

در این مقاله الگوریتمی برای دسترسی به طیف پویا (DSA) در سیستم های سلولی LTE  – ICIC  توزیع  شده تسریع کننده (DIAQ) Q-learning پیشنهاد شده است. این ترکیبی از سیگنالینگ یادگیری تقویتی توزیع شده (RL) و هماهنگی تداخل بین سلولی استاندارد (ICIC)  در لینک پایین رونده LTE با استفاده از یادگیری تقویتی سریع اکتشافی (HARL) می باشد. علاوه بر این، ما یک رویکرد جدید مبتنی بر شبکه بیزین برای تجزیه و تحلیل نظری DSA مبتنی بر RL ارائه می دهیم. این، بهبود پیش بینی شده ای را در رفتار همگرای به دست آمده توسط DIAQ، در مقایسه با RL کلاسیک توضیح می دهد. این طرح همچنین با استفاده از شبیه سازی هایی در مقیاس بزرگ یک شبکه رویداد موقت استادیوم ارزیابی می شود. در مقایسه با یک رویکرد ICIC  اکتشافی معمولی ، DIAQ کیفیت خدمات را به طور قابل توجهی بهبود می بخشد و از تراکم بارگذاری شبکه به میزان قابل توجهی پشتیبانی می کند. علاوه بر این، DIAQ به طور چشمگیری عملکرد اولیه را بهبود می بخشد، سرعت همگرایی را افزایش می دهد و بهبود عملکرد حالت پایدار الگوریتم Q-learning توزیع شده ی پیشرفته، پیش بینی های نظری  را تایید  می کند. در نهایت، طرح ما مطابق با استانداردهای LTE فعلی طراحی شده است. بنابراین، اجرای آسان دستگاه توزیع شده هوشمند را برای سازماندهی کامل خود در شبکه های تجاری موجود ممکن می سازد.

این مقاله سعی کرده q-learning را بهینه کند که بصورت کامل برای شما ترجمه شده و در زیر میتوانید ترجمه آن را مشاهده کنید.همچنین در انتهای ترجمه بصورت خلاصه و برای دوستانی که می خواهند آن را ارائه دهند فایل پاورپوینت آن نیز قرار داده شده است که این فایل توسط تیم همیارپروژه ایجاد شده است:

Q-Learning سریع اکتشافی توزیع شده[۱] برای مدیریت قوی طیف شناختی در سیستم های سلولی LTE

چکیده

در این مقاله الگوریتمی برای دسترسی به طیف پویا (DSA) در سیستم های سلولی LTE  – ICIC  توزیع  شده تسریع کننده (DIAQ) Q-learning پیشنهاد شده است. این ترکیبی از سیگنالینگ یادگیری تقویتی توزیع شده (RL) و هماهنگی تداخل بین سلولی استاندارد (ICIC)  در لینک پایین رونده LTE با استفاده از یادگیری تقویتی سریع اکتشافی (HARL) می باشد. علاوه بر این، ما یک رویکرد جدید مبتنی بر شبکه بیزین برای تجزیه و تحلیل نظری DSA مبتنی بر RL ارائه می دهیم. این، بهبود پیش بینی شده ای را در رفتار همگرای به دست آمده توسط DIAQ، در مقایسه با RL کلاسیک توضیح می دهد. این طرح همچنین با استفاده از شبیه سازی هایی در مقیاس بزرگ یک شبکه رویداد موقت استادیوم ارزیابی می شود. در مقایسه با یک رویکرد ICIC  اکتشافی معمولی ، DIAQ کیفیت خدمات را به طور قابل توجهی بهبود می بخشد و از تراکم بارگذاری شبکه به میزان قابل توجهی پشتیبانی می کند. علاوه بر این، DIAQ به طور چشمگیری عملکرد اولیه را بهبود می بخشد، سرعت همگرایی را افزایش می دهد و بهبود عملکرد حالت پایدار الگوریتم Q-learning توزیع شده ی پیشرفته، پیش بینی های نظری  را تایید  می کند. در نهایت، طرح ما مطابق با استانداردهای LTE فعلی طراحی شده است. بنابرانی به روز رسانی Q-table را انجام می دهند.

Q-Learning

شکل ۲٫ نمودار جریان پیشنهادی طرح ICIC تسریع کننده Q-learning  (DIAQ)

[۱] Distributed Heuristically Accelerated Q-Learning

[۲] spectrum

[۳] real-time

 

برای دانلود فایل پاورپوینت آن روی لینک روبرو کلیک کنید : دانلود 

دانلود از منبع اصلی: همیار پروژه

برای مشاهده کامل مطلب کلیک کنید

برچسب‌ها
اشتراک‌گذاری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *