【标题】Multi-Agent Deep Reinforcement Learning in Vehicular OCC

【作者团队】Amirul Islam, Leila Musavian, Nikolaos Thomos

【发表日期】2022.5.5

【论文链接】https://arxiv.org/pdf/2205.02672.pdf

【推荐理由】光学摄像头通信 (OCC) 已成为未来自动驾驶汽车无缝运行的关键支持技术。本文介绍了车辆控制中心的频谱效率优化方法。具体来说，别问我的目标是在考虑误码率和延迟约束的同时优化调制阶数和相对速度。由于优化问题是 NP-hard 问题，通过将优化问题建模为马尔可夫决策过程 (MDP)，以便使用可以在线应用的解决方案。然后采用拉格朗日松弛法对约束问题进行松弛，然后采用多智能体深度强化学习（DRL）进行求解。通过大量仿真验证了所提出的方案的性能，并将其与我们的方法和随机方法的各种变体进行了比较。研究结果表明，与比较方案相比，个系统实现了显著更高的和频谱效率。

内容中包含的图片若涉及版权问题，请及时与我们联系删除