演员-评论家用户配对算法

总速率逼近最优

该算法通过分离功率分配与用户配对，显著降低了多载波NOMA的组合优化复杂度。

Wang, Xinshui · Ke, Meng · Xu, Wang · Zhibin, Liu · 马跃峰

Energies 2023

技术优势

复杂度骤降

原问题因变量耦合难以求解，本文将其分解为功率分配与用户配对两个子问题，显著降低求解时间。

功率分配有闭式解

给定子信道分配时，最优功率分配方案可由闭式表达式直接计算，避免迭代求解。

比深度强化学习更优

仿真结果表明，该方法相对于传统方法和其他深度学习算法具有显著优势，能有效提升NOMA系统通信性能。

应用场景

• 多载波NOMA资源调度：提供低复杂度子信道功率分配与用户配对方案，可直接嵌入多载波NOMA调度器。
• 无线网络资源分配：用分解和深度强化学习替代全局搜索，降低网络资源分配的计算开销。
• 无线通信：提升NOMA系统总速率，改善多用户场景下的通信效率，适用于5G及后续标准。
• 无线资源智能管理：利用演员-评论家算法在线学习用户配对策略，实现无线资源的智能管理。
• 移动网络调度：动态用户配对适应移动网络变化，可集成到基站调度器以提升用户总速率。