物理层通信的强化学习

MMJun, 2021

Reinforcement Learning for Physical Layer Communications

Philippe Mary, Visa Koivunen, Christophe Moy

TL;DR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。

Abstract

In this chapter, we will give comprehensive examples of applying RL in optimizing the physical layer of wireless communications by defining different class of problems and the possible solutions to handle them. In Section 9.2, we present all the basic theory needed to address a RL prob

reinforcement learning wireless communications markov decision process q-learning deep reinforcement learning

发现论文，激发创造

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

深度强化学习在通信和网络中的应用：综述

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。

Oct, 2018

无线物理层的深度学习：机遇与挑战

介绍了基于深度学习的物理层处理的新兴研究，包括基于深度学习重新设计传统通信系统的模块（用于调制识别，信道译码和检测）并将通信系统替换为基于自动编码器的全新架构。

Oct, 2017

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

低水平无线通信的协作多智体强化学习

本研究使用强化学习方法，将两个设备间的无线通信建模为优化双向通信策略的问题，以此解决传统无线通信领域所面临的问题，如人工频谱稀缺、无法动态分配频率等。实验结果表明所提出的方法具有优越的学习能力和智能性。

Jan, 2018

物理层深度学习入门

本文提出并讨论了深度学习在物理层的几个新应用，并将通信系统解释为自编码器，开发了一种基本的新方式来思考通信系统设计，演示了深度学习在通信技术领域的应用和挑战。

Feb, 2017

自动强化学习概述

论文探讨自动化强化学习的关键元素和挑战，并讨论自动化强化学习的最新工作、应用和研究方向。

Jan, 2022

无线网络中动态多通道接入的深度强化学习

研究多通道接入的问题，应用深度 Q 网络实现对于未知系统动态的自适应学习，以最大化长期回报，通过仿真与实际数据跟踪比较表明该方法在更为复杂的情境下具有最佳性能。

Feb, 2018

基于模型的深度学习在物理层通信中的应用

该文章回顾了最近在物理层通信中使用模型驱动深度学习方法的应用，包括传输方案、接收机设计和信道信息恢复，并在展示全面调查后，提出了若干进一步研究的开放问题。

Sep, 2018

现实世界强化学习挑战的经验研究

本文针对强化学习在实际问题中难以部署的问题，提出了一系列的挑战，并通过 Markov 决策过程定义这些挑战并分析其影响，同时探讨了一些现有的解决方法。为了验证算法的可部署性，我们提出并开源了 realworldrl-suite 套件作为一个基准测试集。

Mar, 2020