基于深度强化学习的智能电网RAN切片策略
随着智能电网的不断发展,电力服务种类的多样化引出了不同的服务需求.5G中的网络切片技术,可以为智能电网提供虚拟化无线专用网络,以应对智能电网安全性、可靠性、时延性等方面的诸多挑战.考虑到智能电网的差异化服务特性,本文旨在使用深度强化学习(DRL)来解决智能电网的无线接入网(RAN)切片的资源分配问题.文章首先回顾了智能电网的背景以及网络切片技术的相关研究,随后分析了智能电网的RAN切片模型,并且提出了一种基于DRL的切片分配策略.仿真表明,本文所提出的算法能够在降低成本的同时,最大限度地满足智能电网在RAN侧的资源分配需求.
物联网;智能电网;5G;网络切片;深度强化学习
30
江苏省2019年度第二批省级工业和信息产业转型升级专项资金5246DR180077
2021-08-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
293-299