【标题】MIX-MAB: Reinforcement Learning-based Resource Allocation Algorithm for LoRaWAN

【作者团队】Farzad Azizi, Benyamin Teymuri, Rojin Aslani, Mehdi Rasti, Jesse Tolvanen, Pedro H. J. Nardelli

【发表日期】2022.6.7

【论文链接】https://arxiv.org/pdf/2206.03401.pdf

【推荐理由】本文主要从数据包投递率（PDR）的角度对资源分配算法进行改进，即在远程广域网（LoRaWAN）中，终端设备（EDs）成功接收到的数据包数。设置传输参数会显着影响 PDR，应用强化学习（RL），本文提出了一种资源分配算法，使EDs能够以分布式方式配置其传输参数。并将资源分配问题建模为多臂老虎机 (MAB)，进而提出了一种称为MIX-MAB的两阶段算法来解决该问题，该算法由勘探和开发指数权重（EXP3）和逐次消除（SE）算法组成。通过仿真结果评估了MIX-MAB的性能，并将其与其他现有方法进行了比较。数值结果表明，该方法在收敛时间和PDR方面均优于现有方法。

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