科研之友
微信
新浪微博
Facebook
分享链接
摘要
在超密集网络环境中，各个接入点密集部署在热点区域，构成了复杂的异构网络，用户需要选择接入合适的网络以获得最好的性能。如何为用户选择最优的网络，使用户自身或网络性能达到最佳，称为网络接入选择问题。为了解决超密集网络中用户的接入选择问题，综合考虑网络状态、用户偏好以及业务类型，结合负载均衡策略，提出了一种基于改进深度Q网络(deep Q network, DQN)的超密集网络接入选择算法。首先，通过分析网络属性和用户业务的偏好对网络选择的影响，选择合适的网络参数作为接入选择算法的参数；其次，将网络接入选择问题利用马尔可夫决策过程建模，分别对模型中的状态、动作和奖励函数进行设计；最后，利用DQN求解选网模型，得到最优选网策略。此外，为了避免DQN过高估计Q值，对传统DQN的目标函数进行优化，并且在训练神经网络时，引入了优先经验回放机制以提升学习效率。仿真结果表明，所提算法能够解决传统DQN的高估问题，加快神经网络的收敛，有效减少用户的阻塞，并改善网络的吞吐能力。
- 出版日期2023
- 单位通信与信息工程学院; 重庆邮电大学
