【标题】Hierarchical Reinforcement Learning Based Traffic Steering in Multi-RAT 5G Deployments

【作者团队】Md Arafat Habib, Hao Zhou, Pedro Enrique Iturria-Rivera, Medhat Elsayed, Majid Bavand
,Raimundas Gaigalas, Yigit Ozcanand Melike Erol-Kantarci, Senior Member, IEEE

【发表日期】18 January, 2023

【论文链接】https://arxiv.org/pdf/2301.07818.pdf

【推荐理由】在5G非独立模式下，智能流量控制机制可以通过从特定流量的多RAT环境中选择最佳无线接入技术（RAT）来极大地帮助确保用户体验的流畅。在本文中，提出了一种新的基于分层强化学习（HRL）的负载感知流量控制算法，同时满足不同流量类型的不同QoS要求。HRL可以使用具有元控制器和控制器的双层架构显著提高系统性能。在提出的方法中，元控制器为负载平衡提供适当的阈值，而控制器在较低级别执行到适当RAT的业务许可。仿真结果表明，HRL优于深度Q学习（DQN）和基于阈值的启发式基线，分别提高了8.49%、12.52%的平均系统吞吐量和27.74%、39.13%的网络延迟。