تخصیص منابع مبتنی بر یادگیری تقویتی برای بهبود گذردهی در ارتباطات D2D سلولی

با توجه به تقاضای روزافزون برای پهنای باند شبکه های سلولی، همزیستی ارتباطات دستگاه به دستگاه با مشترکان مجوزدار شبکه سلولی می تواند به بهره وری کارآمد از طیف مغناطیسی منجر شده و گذردهی شبکه را افزایش دهد. در این شیوه، منابع به نحوی میان مشترکان مجوزدار شبکه سلولی و زوج دستگاه ها با ارتباط مستقیم به اشتراک گذاشته می شود که ضمن افزایش بهره وری طیف فرکانسی، خللی در کیفیت سرویس کاربران مجوزدار ایجاد نشود. اغلب روش های تخصیص منابع کنونی متکی به اطلاعات وضعیت کانال و بازخورد نرخ ارسال مشترکان شبکه سلولی هستند که این اطلاعات به شکل دقیق در دسترس نیست. در این مقاله، یک روش نوآورانه مبتنی بر یادگیری تقویتی برای تنظیم حالت کاری کاربران D2D و اختصاص طیف به گره ها پیشنهاد می شود که بدون نیاز به اطلاعات وضعیت کانال، منابع به شکل بهینه بین کاربران ارتباطات D2D و مشترکان شبکه سلولی تقسیم شده و گذردهی شبکه را بیشینه می سازد. ارزیابی های انجام شده نشان می دهد که روش پیشنهادی علیرغم عدم دسترسی به اطلاعات وضعیت کانال و بازخورد نرخ ارسال مشترکان، به گذردهی نزدیک به حالت بهینه دست می یابد و نرخ قطعی آن بسیار نزدیک به حالت ایده آل است.