論文の概要: Joint User Priority and Power Scheduling for QoS-Aware WMMSE Precoding: A Constrained-Actor Attentive-Critic Approach

• arxiv url: http://arxiv.org/abs/2506.16074v1
• Date: Thu, 19 Jun 2025 07:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.970229
• Title: Joint User Priority and Power Scheduling for QoS-Aware WMMSE Precoding: A Constrained-Actor Attentive-Critic Approach
• Title（参考訳）: QoS対応WMMSEプリコーディングにおけるユーザ優先性と電力スケジューリング:制約付きアクタ・アクタ・クリティカルアプローチ
• Authors: Kexuan Wang, An Liu,
• Abstract要約: 6G無線ネットワークは、エネルギー効率を維持しながら、様々なQoS(Quality-of-Service)要求をサポートすることが期待されている。 Constrained Successive Approximation (CSS) メソッドのより効果的な処理を最適化するために、CAAC (Constrained Attentive-CAC) が組み込まれている。 CAACはエネルギー効率と満足度の両方においてベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 8.526578240549794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 6G wireless networks are expected to support diverse quality-of-service (QoS) demands while maintaining high energy efficiency. Weighted Minimum Mean Square Error (WMMSE) precoding with fixed user priorities and transmit power is widely recognized for enhancing overall system performance but lacks flexibility to adapt to user-specific QoS requirements and time-varying channel conditions. To address this, we propose a novel constrained reinforcement learning (CRL) algorithm, Constrained-Actor Attentive-Critic (CAAC), which uses a policy network to dynamically allocate user priorities and power for WMMSE precoding. Specifically, CAAC integrates a Constrained Stochastic Successive Convex Approximation (CSSCA) method to optimize the policy, enabling more effective handling of energy efficiency goals and satisfaction of stochastic non-convex QoS constraints compared to traditional and existing CRL methods. Moreover, CAAC employs lightweight attention-enhanced Q-networks to evaluate policy updates without prior environment model knowledge. The network architecture not only enhances representational capacity but also boosts learning efficiency. Simulation results show that CAAC outperforms baselines in both energy efficiency and QoS satisfaction.
• Abstract（参考訳）: 6G無線ネットワークは、高エネルギー効率を維持しながら、様々なQoS(Quality-of-Service)要求をサポートすることが期待されている。 Weighted Minimum Mean Square Error (WMMSE) precoding with fixed user priority and send power is widely recognized to enhance overall system performance but without flexible to adapt to user-specific QoS requirements and time-variant channel conditions。 そこで本研究では,制約付き強化学習 (CRL) アルゴリズムであるConstrained-Actor Attentive-Critic (CAAC) を提案する。 特に、CAACは、制約付き確率的連続凸近似(CSSCA)法を統合してポリシーを最適化し、従来のCRL法や既存のCRL法と比較して、より効率的なエネルギー効率目標の処理と確率的非凸QoS制約の満足度を実現する。 さらに、CAACは、事前の環境モデル知識を使わずにポリシー更新を評価するために、軽量な注意強化Q-networksを採用している。 ネットワークアーキテクチャは表現能力を高めるだけでなく、学習効率を高める。 シミュレーションの結果,CAACはエネルギー効率とQoS満足度の両方においてベースラインを上回っていることがわかった。

関連論文リスト

• Optimizing Load Scheduling in Power Grids Using Reinforcement Learning and Markov Decision Processes [0.0]
  本稿では,動的負荷スケジューリングの課題に対処する強化学習(RL)手法を提案する。 提案手法は実時間負荷スケジューリングのためのロバストでスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-10-23T09:16:22Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• ReinWiFi: Application-Layer QoS Optimization of WiFi Networks with Reinforcement Learning [6.566362478263619]
  分散チャネルアクセス(EDCA)メカニズムは、特定の品質・オブ・サービス(QoS)目標、ネットワークトポロジ、干渉レベルに適応できない。 本稿では,新しい強化学習に基づくスケジューリングフレームワークを提案し,実装した。 提案手法はEDCA機構よりもはるかに優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2024-05-06T14:44:06Z)
• Artificial-Intelligence-Driven Shot Reduction in Quantum Measurement [6.649102874357367]
  変量量子固有解法(VQE)は、分子基底エネルギーを近似するための強力な解を提供する。 量子ハードウェアにおける推定確率は繰り返し測定を必要とする(ショット) 本稿では,全撮影量を最小化するために,自動でショット割り当てポリシーを学習する強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-03T21:51:07Z)
• QCQP-Net: Reliably Learning Feasible Alternating Current Optimal Power Flow Solutions Under Constraints [4.1920378271058425]
  本稿では,ACOPFネットワークに計算効率よく入力をマッピングする新しい計算学習ACOPFを提案する。 提案手法は,既存のアプローチが失敗する状況において,優れた実現可能性率とコストを達成できることをシミュレーションにより示す。
  論文  参考訳（メタデータ） (2024-01-11T20:17:44Z)
• Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
  インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。 既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。 我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
  論文  参考訳（メタデータ） (2023-12-08T01:57:10Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Coverage and Capacity Optimization in STAR-RISs Assisted Networks: A Machine Learning Approach [102.00221938474344]
  再構成可能なインテリジェントサーフェス (STAR-RIS) アシストネットワークを同時に送信および反射するカバレッジとキャパシティ最適化のための新しいモデルを提案する。 損失関数ベースの更新戦略はコアポイントであり、各更新時にmin-normソルバによってカバレッジとキャパシティの両方の損失関数の重みを計算することができる。 解析結果から,提案手法は固定重みに基づくMOアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T13:52:22Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Optimal Power Allocation for Rate Splitting Communications with Deep Reinforcement Learning [61.91604046990993]
  このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。 ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
  論文  参考訳（メタデータ） (2021-07-01T06:32:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。