Oct, 2018

深度强化学习在通信和网络中的应用：综述

PDF
TL;DR本文为关于深度强化学习在通信和网络方面应用的全面文献综述，着重介绍如何利用强化学习和深度学习来解决如动态网络接入、数据速率控制、无线缓存等问题并实现 5G 及以后的下一代网络的优化。
deep reinforcement learningcommunicationsnetworking5goptimization
发现论文，激发创造
  • 基于深度强化学习的体验驱动网络

    本文提出了一种基于深度强化学习的通信网络控制框架 DRL-TE，通过学习并决策网络环境和动态变化，实现流量工程问题中代价函数的自动最优化，并在模拟实验中证明其相比于传统方法表现更佳。

    Jan, 2018

  • 深度强化学习简介

    介绍了深度强化学习的模型、算法和技术，着重讨论与泛化相关的方面以及深度强化学习在实际应用中的使用。

    Nov, 2018

  • 移动和无线网络中的深度学习：一份综述

    本文通过对深度学习和移动无线网络研究领域的全面调查，桥接了两个领域之间的鸿沟，并讨论了如何将深度学习技术应用到移动系统中，从而提出了当前研究的挑战和未来发展方向。

    Mar, 2018

  • 智能交通系统的深度强化学习：一项调查

    本文综述了以深度强化学习（RL）为基础的交通控制应用，并将现有工作按照应用类型、控制模型和研究算法进行分类总结。

    May, 2020

  • 机器人学习控制的深度网络解决方案综述：从强化到模仿

    该研究论文针对使用深度学习技术学习机器人控制策略，对深度强化学习和模仿学习两种主要学习控制范式进行了综述，包括了应对从模拟环境到现实场景中真实性差距的挑战，并总结了机器人仿真平台用于开展深度强化学习研究，同时介绍了三种主要的模仿学习范式及其相应的机器人应用，最终讨论了开放性挑战和研究前沿。

    Dec, 2016

  • 多智能体系统的深度强化学习：挑战、解决方案和应用综述

    此篇论文介绍了多智能体深度强化学习的不同方法，包括非静态性、部分可观测性、连续的状态和操作空间、多智能体训练机制、多智能体转移学习，并分析和讨论了这些方法的优缺点及其相关应用，旨在促进更加健壮和高效的多智能体学习方法的发展。

    Dec, 2018

  • 深度强化学习在互联网拥塞控制中的应用

    该研究利用深度强化学习（RL）算法解决互联网拥塞控制问题，成果表明该 RL 指导拥塞控制方法在数据流量和网络环境的复杂模式识别方面性能卓越但也需要解决公平性、安全性、泛化问题。此外，研究提出基于 OpenAI Gym 接口的测试套件，以促进对该方法的进一步研究和可重复性。

    Oct, 2018

  • 基于图形的深度学习用于通信网络：一项调研

    该论文综述了基于不同类型的深度学习模型（如图卷积神经网络和图注意力网络）在通信网络的各种问题中如何建模网络拓扑结构，并列出了每个研究的问题和解决方案的列表，并确定了未来的研究方向。此外，该研究是第一份聚焦于基于图的深度学习方法在涉及有线和无线场景的通信网络中的应用的综述，并创建了一个公共的 GitHub 存储库以追踪后续研究。

    Jun, 2021

  • AI-Enabled 无线网络的单智能体和多智能体深度强化学习：教程

    本文论述了强化学习在 AI 驱动的 6G 网络中的作用，特别是目前热门的多智能体深度强化学习方法，以及其在移动边缘计算、无人机网络和大规模无线接入等方面的最新研究进展与应用前景。

    Nov, 2020

  • 物理层通信的强化学习

    本文介绍了如何在无线通信物理层应用强化学习算法优化传输，并详细阐述了马尔可夫决策过程、Q-learning 算法、深度强化学习范式等基础理论与算法，同时还介绍了多臂老虎机框架，最后对强化学习技术趋势进行了展望。

    Jun, 2021