【标题】Multi-agent Reinforcement Learning for Dynamic Resource Management in 6G in-X Subnetworks

【作者团队】Xiao Du, Ting Wang, Qiang Feng, Chenhui Ye, Tao Tao, Yuanming Shi, Mingsong Chen

【发表日期】2022.5.10

【论文链接】https://arxiv.org/pdf/2205.05036.pdf

【推荐理由】6G网络实现了子网范围的演进，形成了“子网网络”。然而子网内和子网间存在动态移动性，其数据传输不可避免地会相互干扰，这对无线资源管理提出巨大挑战。此外，现有的大多数研究都需要子网之间的瞬时信道增益，其往往很难收集。为此，本文提出了新的基于多智能体深度强化学习（MARL）的智能无线电资源管理方法，该方法只需要每个信道上的接收功率之和，即接收信号强度指示器（RSSI），而不需要信道增益。然而，直接将单个干扰与RSSI分离几乎是不可能的事情。为此，其进一步提出了GA Net，它集成了硬注意力层来模拟基于 RSSI 的子网间关系的重要性分布，并排除不相关子网的影响，并采用图注意力网络使用多头注意力层来精确特征并计算将影响个体吞吐量的权重。实验结果证明，该框架在各个方面都显著优于传统的和基于MARL的方法。

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