基于C-V2X的高速公路中的排长选取、用户关联和资源分配：一种强化学习方法
摘要：动态车队领队选择、用户关联、信道分配和功率分配是基于蜂窝车辆对一切(C-V2X)的高速公路上的一个问题，其中多个车辆对车辆(V2V)和车辆对基础设施(V2I)的链接共享频率资源。高速公路上有多个路边单元(RSU)，车辆可以组成车队，这被认为是提高道路效率的一个先进的用例。传统的优化方法需要中央控制器上的全局信道信息，对于高移动性车辆网络来说不可行。为了解决这个挑战，我们提出了一种分布式多智能体强化学习(MARL)资源分配(RA)方法。每个充当代理的车队领袖可以与其他代理合作，共同选择子频带和功率分配其V2V链接，以及共同选择用户关联和功率控制其V2I链接。此外，每个车队可以动态选择最适合充当车队领队的车辆。我们的目标是使用深度Q学习算法最大化期望延迟下的V2V和V2I数据包传递概率。模拟结果表明，我们提出的MARL优于集中的爬山算法，并且车队领队选择有助于提高V2V和V2I性能。
作者：Mohammad Farzanullah and Tho Le-Ngoc
论文ID：2301.03145
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2023-03-31