دانلود مقاله انگلیسی رایگان:استراتژی تخصیص منابع مبتنی بر یادگیری تقویتی عمیق برای شبکه های شناختی ماشین به ماشین با قدرت برداشت انرژی - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Deep Reinforcement Learning-based resource allocation strategy for Energy Harvesting-Powered Cognitive Machine-to-Machine Networks Deep Reinforcement Learning-based resource allocation strategy for Energy Harvesting-Powered Cognitive Machine-to-Machine Networks
    Deep Reinforcement Learning-based resource allocation strategy for Energy Harvesting-Powered Cognitive Machine-to-Machine Networks

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Deep Reinforcement Learning-based resource allocation strategy for Energy Harvesting-Powered Cognitive Machine-to-Machine Networks


    ترجمه فارسی عنوان مقاله:

    استراتژی تخصیص منابع مبتنی بر یادگیری تقویتی عمیق برای شبکه های شناختی ماشین به ماشین با قدرت برداشت انرژی


    منبع:

    Sciencedirect - Elsevier - Computer Communications, 160 (2020) 706-717. doi:10.1016/j.comcom.2020.07.015


    نویسنده:

    Yi-Han Xu a,b,∗, Yong-Bo Tian a, Prosper Komla Searyoh a, Gang Yu c, Yueh-Tiam Yong


    چکیده انگلیسی:

    Machine-to-Machine (M2M) communication is a promising technology that may realize the Internet of Things (IoTs) in future networks. However, due to the features of massive devices and concurrent access requirement, it will cause performance degradation and enormous energy consumption. Energy Harvesting- Powered Cognitive M2M Networks (EH-CMNs) as an attractive solution is capable of alleviating the escalating spectrum deficient to guarantee the Quality of Service (QoS) meanwhile decreasing the energy consumption to achieve Green Communication (GC) became an important research topic. In this paper, we investigate the resource allocation problem for EH-CMNs underlaying cellular uplinks. We aim to maximize the energy efficiency of EH-CMNs with consideration of the QoS of Human-to-Human (H2H) networks and the available energy in EH-devices. In view of the characteristic of EH-CMNs, we formulate the problem to be a decentralized Discrete-time and Finite-state Markov Decision Process (DFMDP), in which each device acts as agent and effectively learns from the environment to make allocation decision without the complete and global network information. Owing to the complexity of the problem, we propose a Deep Reinforcement Learning (DRL)-based algorithm to solve the problem. Numerical results validate that the proposed scheme outperforms other schemes in terms of average energy efficiency with an acceptable convergence speed.
    Keywords: Energy Harvesting | M2M communication | Resource allocation | Deep Reinforcement Learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 1934 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi