一种多任务方法的鲁棒深度强化学习用于资源分配

Apr, 2023

一种多任务方法的鲁棒深度强化学习用于资源分配

A Multi-Task Approach to Robust Deep Reinforcement Learning for Resource Allocation

Steffen Gracla, Carsten Bockelmann, Armin Dekorsy

TL;DR通过将多任务学习应用于机器学习算法中，结合 Elastic Weight Consolidation 和 Gradient Episodic Memory 的方法，并与增强训练数据分布的现有技术进行比较，本研究证明多任务方法对处理医疗领域等特殊需求的稀有重大事件有很高的效果。

Abstract

With increasing complexity of modern communication systems, machine learning algorithms have become a focal point of research. However, performance demands have tightened in parallel to complexity. For some of the key applications targeted by future wireless, such as the medical field,

machine learning wireless communication multi-task learning elastic weight consolidation gradient episodic memory

发现论文，激发创造

资源受限的深度强化学习

为了优化城市资源分配，本文研究了基于 Deep RL 方法对于资源分配的约束条件以及对模拟器的表现

Dec, 2018

多资源多机器作业调度的深度强化学习

本文在最小化数据中心网络中的工作调度时间方面进行了深入研究，提出了一种基于深度强化学习的改进方法并将其扩展到多个服务器群集，结果表明，相比于传统的资源分配算法，深度强化学习方法在各种复杂环境中有着出色的性能表现。

Nov, 2017

分布式非协调认知无线电资源分配的深度强化学习

本文提出了一种基于深度强化学习的分布式资源分配技术，用于多代理环境下的认知无线电网络，该网络通过干扰下动态频谱访问与主干网络共存。该技术是分布式的，且不需要与其他代理协调，通过模拟结果可以显示出，该技术能够在有限的学习时间内，找到使性能在 3％之内的策略。

Oct, 2019

基于深度强化学习的流处理通用资源分配

本文介绍了一种图嵌入式的编码器 - 解码器框架，以实现在流处理中分配资源任务，同时确保工作负载平衡和通信最小化。采用深度强化学习方法，有效地学习和求解未知图的最优解，并在测试中表现优于 METIS 算法和基于 LSTM 的编码器 - 解码器模型约 70％。

Nov, 2019

分布式和非协同认知无线电资源分配的深度强化学习

本文提出了一种分布式的深度强化学习资源分配技术，针对协作无线电网络所呈现的多智能体环境及其强化学习过程中可能导致的非平稳环境，通过考虑深度强化学习的特定方面，本文的算法能够迭代地收敛于一个平衡政策，其可用于无需与其他代理协调配合的情况下工作。仿真结果表明，与等效的基于 Q 表的 Q 学习算法相比，所提出的技术具有更快的学习性能，并能够在足够长的学习时间内在 99% 的情况下找到最优策略。此外，对于与等效的基于表格的实现相比，仿真结果显示出我们的 DQL 方法只需要不到一半的学习步骤才能实现相同的性能。此外，证明了在未协调交互的多无线电情景中使用标准的单智能体深度强化学习方法可能无法收敛。

May, 2022

基于两阶段强化学习的多实体任务分配方法

基于相似性的双阶段任务分配算法利用强化学习来学习优化分配策略，有效解决了动态任务分配的挑战，并具有良好的性能和零样本泛化能力。

Jun, 2024

多业务网络中基于 QoS 限制的资源分配的深度强化学习

本文旨在研究一种利用强化学习算法在无线多业务系统中处理无线电资源分配问题的方法，通过在本地环境中与局部互动来寻找策略，实现了关于 9LTE 系统满足保证和 QoS 约束的无线资源分配。此外，通过计算模拟，本文与文献中的最新解决方案进行比较，并展示了后者在吞吐量和故障率方面近乎最优的性能。

Mar, 2020

基于深度学习的车联网无线资源分配

本文介绍深度学习在车联网中用于资源分配的关键动因和障碍，并回顾了近期在利用深度学习哲学解决无线资源分配问题方面取得的重要成果。通过深度强化学习和优化技术，探究当前设计方法所面临的挑战，并提出未来资源分配研究的一些方向。

Jul, 2019

使用深度强化学习优化内存映射

通过采用强化学习技术，本文提出了一个解决编译机器学习程序中内存映射问题的新方法，称之为 mallocMuZero 算法，并将其应用在 ML 加速器上以缩短执行时间，表现优于目前的默认求解器。

May, 2023

强化学习在空间资源分配中的应用调查

本文总结和回顾了近期利用强化学习解决空间资源分配问题的理论方法和应用研究，提供了其基本原理、相关方法论和应用研究的综合概述，同时突出了未解决问题的一些紧迫性需求。

Mar, 2024