文档名：基于GRU和LSTM组合模型的车联网信道分配方法
摘要：针对车联网中高通信需求和高移动性造成的车对车链路(VehicletoVehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(GatedRecurrentUnit,GRU)和长短期记忆网络(LongShort-TermMemory,LSTM)的组合模型的车联网信道分配算法.算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行.在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(VehicletoInfrastructure,V2I)链路的信道资源,实现网络效用最大化.仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%.
Abstract：FortheproblemsofchannelconflictbetweenVehicletoVehicle(V2V)linksandlownetworkutilitycausedbyhighcommunicationrequirementsandhighmobilityintheInternetofVehicles(IoV),anewchannelallocationalgorithmfortheIoVbasedonhybridmodelofparallelGatedRecurrentUnit(GRU)andLongShort-TermMemory(LSTM)isproposed.ThisalgorithmaimstoreducetheV2Vlinkschannelcollisionrateandidlerate,modelsthechannelallocationproblemasadistributeddeepreinforcementlearningproblem,makeseachV2Vlinkasasingleagent,andperformscentralizedtraininganddistributedexecutionbymaximizingtheaveragerewardperepisode.Inthetrainingprocess,thehybridadvantagesoftheshorttrainingperiodofGRUandthehighfittingaccuracyofLSTMareusedtofittheQfunctionindeepdoubleQ-learning,sothattheV2VlinkscanquicklylearnandoptimizethechannelallocationstrategytoreusetheVehicletoInfrastructure(V2I)linkschannelresourcesreasonablyandmaximizenetworkutility.SimulationresultsshowthatcomparedwiththeallocationalgorithmthatsimplyusestheGRUorLSTMnetworkmodel,theproposedalgorithmacceleratestheconvergencerateby5trainingepisodes,reducesthechannelcollisionrateandidleratebetweenV2Vlinksbyabout27%,andincreasestheaveragesuccessratebyabout10%.
作者：王磊 王永华 何一汕 伍文韬Author：WANGLei WANGYonghua HEYishan WUWentao
作者单位：广东工业大学自动化学院,广州510006
刊名：电讯技术
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(2)
分类号：TN929.5
关键词：车联网(IoV) 信道分配 深度双重Q学习 GRU-LSTM组合模型
Keywords：InternetofVehicles(IoV) channelallocation GRU-LSTMhybridmodel doubleQ-learning
机标分类号：TP391TN925.93F275
在线出版日期：2024年3月5日
基金项目：国家自然科学基金，广东省研究生教育创新计划项目基于GRU和LSTM组合模型的车联网信道分配方法[
期刊论文] 电讯技术--2024, 64(2)王磊 王永华 何一汕 伍文韬针对车联网中高通信需求和高移动性造成的车对车链路(VehicletoVehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(GatedRecurrentUnit,GRU)和长短期记忆网络(LongShort-TermMemory,...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于GRU和LSTM组合模型的车联网信道分配方法 A Channel Allocation Method for Internet of Vehicles Based on GRU and LSTM Hybrid Model
基于GRU和LSTM组合模型的车联网信道分配方法.pdf
- 文件大小:
- 1.14 MB
- 下载次数:
- 60
-
高速下载
|
|
