分布式车载通信网络中基于Q学习的双向退避公平增强智能MAC方案

IF 5.2 1区 计算机科学 Q1 COMPUTER SCIENCE, INFORMATION SYSTEMS
Ping Wang;Shuai Wang
{"title":"分布式车载通信网络中基于Q学习的双向退避公平增强智能MAC方案","authors":"Ping Wang;Shuai Wang","doi":"10.26599/TST.2021.9010099","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":60306,"journal":{"name":"Tsinghua Science and Technology","volume":"28 2","pages":""},"PeriodicalIF":5.2000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://ieeexplore.ieee.org/iel7/5971803/9906039/09906045.pdf","citationCount":"4","resultStr":"{\"title\":\"A Fairness-Enhanced Intelligent MAC Scheme Using Q-Learning-Based Bidirectional Backoff for Distributed Vehicular Communication Networks\",\"authors\":\"Ping Wang;Shuai Wang\",\"doi\":\"10.26599/TST.2021.9010099\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":60306,\"journal\":{\"name\":\"Tsinghua Science and Technology\",\"volume\":\"28 2\",\"pages\":\"\"},\"PeriodicalIF\":5.2000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://ieeexplore.ieee.org/iel7/5971803/9906039/09906045.pdf\",\"citationCount\":\"4\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Tsinghua Science and Technology\",\"FirstCategoryId\":\"94\",\"ListUrlMain\":\"https://ieeexplore.ieee.org/document/9906045/\",\"RegionNum\":1,\"RegionCategory\":\"计算机科学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q1\",\"JCRName\":\"COMPUTER SCIENCE, INFORMATION SYSTEMS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tsinghua Science and Technology","FirstCategoryId":"94","ListUrlMain":"https://ieeexplore.ieee.org/document/9906045/","RegionNum":1,"RegionCategory":"计算机科学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q1","JCRName":"COMPUTER SCIENCE, INFORMATION SYSTEMS","Score":null,"Total":0}
引用次数: 4

摘要

随着人们对前沿车载通信应用的日益关注,分布式资源分配有利于车辆节点之间的直接通信。然而,在高度动态的分布式车辆网络中,在缺乏足够的链路知识的情况下,由于严重的分组冲突,系统的服务质量(QoS)将显著降低。针对公平性优化问题,在一个智能分布式媒体访问控制协议中,提出了一种基于Q学习的冲突避免(QCA)方案,该方案的特点是巧妙地建立了对应于任意退避阶段转换的双向退避-奖励模型RQCA。在QCA中,基于马尔可夫决策过程模型的智能双向退避代理可以主动激励每个车辆代理通过正向或负向双向转换来向最优退避子层BSIopt更新自己,从而在资源分配的适当平衡下实现独特的公平通信。根据强化学习理论,退避阶段自主选择策略的优度评估问题等于当前环境下车辆Q函数最大化的问题。通过最大化Q值或$Q_{\max}$,解决了与最佳争用窗口范围相关的BSIopt的最终决策。ε-qreedy算法用于保持$Q_{\max}$解的合理收敛性。为了评估QCA的公平性,使用网络模拟器NS2研究了四种对车辆网络的动态影响:移动性、密度、有效载荷大小和数据速率。因此,QCA可以有效而稳健地实现公平通信,具有优越的Jain公平指数、相对较高的分组传递率和较低的时延等优点。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
A Fairness-Enhanced Intelligent MAC Scheme Using Q-Learning-Based Bidirectional Backoff for Distributed Vehicular Communication Networks
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
12.10
自引率
0.00%
发文量
2340
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信