Dynamic Resource Allocation through Reinforcement Learning Approach in Multi-cell OFDMA Networks
محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,904
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT03_036
تاریخ نمایه سازی: 22 فروردین 1387
چکیده مقاله:
In this paper, we present a distributed resource allocation algorithm for cellular OFDMA networks by adopting a Reinforcement Learning (RL) approach. We use an RL method which employ Growing Self Organizing Maps to deal with the huge and continuous problem space. The goal of
the algorithm is to maximize the network throughput in a fair manner. Indeed, the algorithm maximizes the throughput until fairness violation does not exceed an adjustable threshold. Simulation results illustrates that the fairness definition leads to enormous extra throughput achievement relative to the fair algorithm.
نویسندگان
Sajjad Moradi
Computer Engineering & IT Dept. Amirkabir University of Technology Tehran, Iran
Hesam Montazeri
Computer Engineering & IT Dept. Amirkabir University of Technology Tehran, Iran
Siavash Khorsandi
Computer Engineering & IT Dept. Amirkabir University of Technology Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :