論文の概要: Parametrized Sharing for Multi-Agent Hybrid DRL for Multiple Multi-Functional RISs-Aided Downlink NOMA Networks
- arxiv url: http://arxiv.org/abs/2601.00538v1
- Date: Fri, 02 Jan 2026 02:44:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-05 15:04:33.504198
- Title: Parametrized Sharing for Multi-Agent Hybrid DRL for Multiple Multi-Functional RISs-Aided Downlink NOMA Networks
- Title（参考訳）: 多機能RIS支援ダウンリンクNOMAネットワークのためのマルチエージェントハイブリッドDRLのパラメタライズドシェアリング
- Authors: Chi-Te Kuo, Li-Hsiang Shen, Jyun-Jhe Huang,
- Abstract要約: 多機能再構成可能な知的表面(MF-RIS)は、その能動RIS能力とエネルギ収穫(EH)による自己持続性から、通信効率を向上させるために考案された。
我々は、MF-RISの位置だけでなく、振幅、位相シフト、EH比の電力割り当て、ビームフォーミング、MF-RIS構成を最適化することでエネルギー効率の問題を定式化する。
マルチエージェントハイブリッド強化学習(PMHRL)のためのパラメータ化共有方式を設計し、マルチエージェントポリシー最適化(PPO)とディープQネットワーク(D)を設計する。
- 参考スコア（独自算出の注目度）: 3.578480064788939
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-functional reconfigurable intelligent surface (MF-RIS) is conceived to address the communication efficiency thanks to its extended signal coverage from its active RIS capability and self-sustainability from energy harvesting (EH). We investigate the architecture of multi-MF-RISs to assist non-orthogonal multiple access (NOMA) downlink networks. We formulate an energy efficiency (EE) maximization problem by optimizing power allocation, transmit beamforming and MF-RIS configurations of amplitudes, phase-shifts and EH ratios, as well as the position of MF-RISs, while satisfying constraints of available power, user rate requirements, and self-sustainability property. We design a parametrized sharing scheme for multi-agent hybrid deep reinforcement learning (PMHRL), where the multi-agent proximal policy optimization (PPO) and deep-Q network (DQN) handle continuous and discrete variables, respectively. The simulation results have demonstrated that proposed PMHRL has the highest EE compared to other benchmarks, including cases without parametrized sharing, pure PPO and DQN. Moreover, the proposed multi-MF-RISs-aided downlink NOMA achieves the highest EE compared to scenarios of no-EH/amplification, traditional RISs, and deployment without RISs/MF-RISs under different multiple access.
- Abstract（参考訳）: マルチファンクショナル再構成可能なインテリジェントサーフェス(MF-RIS)は、そのアクティブRIS能力とエネルギ収穫(EH)からの自己持続性から、通信効率を向上させるために考案された。
非直交多重アクセス(NOMA)ダウンリンクネットワークを支援するマルチMF-RISのアーキテクチャについて検討する。
電力割り当て、ビームフォーミング、MF-RISの振幅、位相シフト、EH比、MF-RISの位置を最適化し、利用可能な電力、ユーザ率要件、自己持続性特性の制約を満たすことにより、エネルギー効率(EE)の最大化問題を定式化する。
我々は,多エージェントハイブリッド深部強化学習(PMHRL)のためのパラメータ化共有方式を設計し,PPO(Multi-Adnt Proximal Policy Optimization)とDQN(Deep-Q Network)のそれぞれが連続変数と離散変数を処理している。
シミュレーションの結果、PMHRLは、パラメタライズド共有、純粋なPPO、DQNのないケースを含む他のベンチマークと比較して、最も高いEEを持つことが示された。
さらに、提案したマルチMF-RIS支援ダウンリンクNOMAは、異なるマルチアクセス下でRISやMF-RISを使わずに、No-EH/Amplification、従来のRIS、デプロイメントのシナリオと比較して、最も高いEEを達成する。
関連論文リスト
- RIS-Assisted Downlink Pinching-Antenna Systems: GNN-Enabled Optimization Approaches [51.56300276709421]
本稿では,マルチユーザダウンリンク情報伝送のための再構成可能なマルチ導波路ピンチアンテナ (PASS) システムについて検討する。
RIS支援PASSのグラフ構造トポロジを活用することで,ユーザ位置に基づいてPA位置を学習する新しい3段階グラフニューラルネットワーク(GNN)を提案する。
論文 参考訳（メタデータ） (2025-11-25T13:43:44Z) - Deep Reinforcement Learning-Based Precoding for Multi-RIS-Aided Multiuser Downlink Systems with Practical Phase Shift [44.303967859644295]
本研究では、RIS位相シフト行列をスペクトル効率に最適化することを目的として、複数再構成可能なマルチユーザダウンリンクシステムについて検討する。
提案するDD-DRLフレームワークは,mmWaveチャネル設定において,両方のランダムなユーザ数で評価される。
論文 参考訳（メタデータ） (2025-09-30T01:57:57Z) - Multi-Functional RIS-Enabled in SAGIN for IoT: A Hybrid Deep Reinforcement Learning Approach with Compressed Twin-Models [4.02185297590683]
宇宙空間におけるモノのインターネットのための統合ネットワーク(SAGIN)について検討した。
MF-RISは同時に無線エネルギーを増幅し、回収することができる。
論文 参考訳（メタデータ） (2025-07-22T03:40:56Z) - Federated Deep Reinforcement Learning for Energy Efficient Multi-Functional RIS-Assisted Low-Earth Orbit Networks [14.638758375246642]
低地球軌道(LEO)に多機能再構成可能な知的表面(MF-RIS)を配置する新しいネットワークアーキテクチャを提案する。
信号反射のみを持つ従来のRISとは異なり、MF-RISは信号の反射、増幅、収穫を行うことができる。
提案するLEO-MF-RISアーキテクチャの有効性を示す。
論文 参考訳（メタデータ） (2025-01-19T15:31:05Z) - 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) - Joint Power Allocation and Beamformer for mmW-NOMA Downlink Systems by
Deep Reinforcement Learning [0.0]
mmW-NOMAシステムの連系電力配分とビームフォーミングは必須である。
我々は,ユーザを最適化した要約に導くポリシー生成のために,Deep Reinforcement Learning (DRL) アプローチを利用した。
論文 参考訳（メタデータ） (2022-05-13T07:42:03Z) - 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) - Ultra-Reliable Indoor Millimeter Wave Communications using Multiple
Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。
複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。
mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
論文 参考訳（メタデータ） (2021-03-31T19:15:49Z) - Phase Configuration Learning in Wireless Networks with Multiple
Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。
RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。
RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文 参考訳（メタデータ） (2020-10-09T05:35:27Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
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。