通信資源調(diào)度對稱MARL問題策略估計誤差分析
張昕然; 孫松林 北京郵電大學信息與通信工程學院; 北京100876; 北京郵電大學可信分布式計算與服務(wù)教育部重點實驗室; 北京100876; 北京郵電大學移動互聯(lián)網(wǎng)安全技術(shù)國家工程實驗室; 北京100876
關(guān)鍵詞：強化學習 對稱多智能體強化學習 策略估計
摘要：針對通信資源調(diào)度場景下的多智能體強化學習(MARL)問題,提出了對稱MARL問題以及三類對稱性的定義和條件,并定義了策略融合和策略誤差;針對強對稱MARL問題,定義了三類評價指標,并對策略估計誤差進行分析,提出了強對稱MARL問題的策略誤差定理及推論.針對無線通信的接入控制問題建立了MARL問題,仿真結(jié)果驗證了強對稱MARL問題策略估計誤差的特性.結(jié)果表明,可以使用低復(fù)雜度的MARL子問題對高復(fù)雜度的強對稱MARL問題進行策略估計,且策略估計誤差和對網(wǎng)絡(luò)性能的影響均較小.
北京郵電大學學報雜志要求:
{1}請?zhí)貏e注意：著錄參考文獻出處時，期刊引文須注明的是引文所在具體頁碼，而非該文獻在期刊中的起訖頁碼；報紙引文必須在日期之后注明文獻所在的版次。
{2}稿件的作者署名、保密和是否侵權(quán)等問題均由作者自行負責。
{3}正文應(yīng)論點明確、論據(jù)充分、文字簡煉、通順、層次清楚。
{4}結(jié)論之后，應(yīng)有致謝部分，對國家科學基金、資助者或支持者、提供指導和幫助者、給予轉(zhuǎn)載和引用權(quán)的資料、圖片、文獻、研究思想和設(shè)想的所有者，表示感謝。
{5}關(guān)鍵詞每篇文章可選用3～5個能反映文章主題概念的詞、詞組或術(shù)語。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
