标题:密集异构网络中基于强化学习的流量卸载算法
作者:王倩; 聂秀山; 尹义龙
作者机构:[王倩]山东财经大学计算机科学与技术学院;;山东大学齐鲁软件学院, ;;, 济南;;济南, ;; 250014;;250101;[聂秀山]山东财经大学计算机科学与技术学院, 济南, 山东 2 更多
通讯作者:Yin, Yilong
通讯作者地址:[Yin, Y] Software College, Shandong UniversityChina;
来源:计算机研究与发展
出版年:2018
卷:55
期:8
页码:1706-1716
DOI:10.7544/issn1000-1239.2018.20180310
关键词:强化学习; 密集异构网络; 流量卸载; 吞吐量; 效用函数
摘要:近年来互联网用户规模和网络流量呈现爆炸式的增长,不断逼近蜂窝移动通信网络的容量极限.流量卸载技术可充分利用现有网络,将蜂窝网络的部分流量卸载到空; 闲网络中,进行跨网协作实现对蜂窝网络容量的极大提升,可有效解决有限的无线带宽资源与海量高速业务需求的矛盾.将强化学习的思想引入流量卸载算法中,提; 出了一种异构网络中基于强化学习的流量卸载算法.该算法把流量卸载问题映射为一个强化学习问题.基于前一状态完成的动作,以WiFi网络吞吐量作为回报函; 数,准确地预测需卸载的流量,并计算当前网络的最大卸载量,寻找最佳的WiFi网络接入点(access point,; AP),并推导出最优的流量卸载判决规则,达到异构网络整体吞吐量最大化.仿真结果表明:基于Q学习的流量卸载算法可有效地实现自适应流量卸载控制规则,; 有效地避免过度卸载引起的碰撞冲突和系统性能急剧恶化,达到跨网协作的负载均衡点,在保证WiFi用户服务质量的条件下,最大限度地提高LTE系统吞吐量; ,保证密集异构网络的整体性能.
收录类别:EI;CSCD;SCOPUS
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85056311903&doi=10.7544%2fissn1000-1239.2018.20180310&partnerID=40&md5=f926f839b18326599c666bcf23cbd871
TOP