密集异构蜂窝网络中基于深度强化学习的下行链路功率分配算法

摘要

针对密集异构蜂窝网络系统的下行链路,提出了一种基于深度强化学习的功率分配算法,旨在最大化系统能量效率。首先,基于蜂窝网络的下行链路模型对系统能量效率进行了建模;其次,构建了含有两层隐藏层的深度Q网络(DQN)作为行为状态值函数,用以优化系统能量效率。最后,仿真结果表明,所提的深度Q学习算法相较于贪婪算法、Q学习算法能够获得更高的系统能量效率,且在收敛速度和稳定性方面有显著提高,此外,通过改变学习速率来观察模型的性能找到了最佳学习速率。