基于多智体学习的多小区NOMA协作波束训练

摘要

该文主要研究毫米波网络中协作非正交多址（non-orthogonal multiple access,NOMA）下的多小区的波束赋形优化问题。为了最大化系统吞吐量，并且考虑用户位置及信道信息，将基站的波束配置问题建模为马尔竞争博弈问题，并采用强化学习算法多智体深度确定性策略梯度（multi-agent deep deterministic policy gradient,MADDPG）对其求解，设计了一种多智能体强化学习的多小区协作NOMA波束赋形训练算法，以合理分配多基站体系中的波束、功率等资源，并提高系统的吞吐量。仿真结果表明，提出的MADDPG算法能达到更好的系统吞吐量及用户覆盖率。

关键词

波束管理 / 波束训练 / 多小区NOMA / 深度强化学习 / 多智能体学习