מושגי ליבה
에너지 제약 하에서 연령 최소화를 위한 멀티캐스트 라우팅 및 스케줄링 문제를 해결하기 위해 계층적 강화 학습 프레임워크를 제안한다.
תקציר
이 논문은 실시간 멀티캐스트 애플리케이션에서 정보의 신선도를 나타내는 연령 지표(AoI)를 최소화하는 문제를 다룬다. 이를 위해 에너지 제약 하에서 멀티캐스트 라우팅과 스케줄링을 최적화하는 문제를 다룬다.
문제의 복잡성으로 인해 기존 접근법이 적용되기 어려운 상황에서, 저자들은 문제를 두 개의 하위 문제로 분해하고 계층적 강화 학습 프레임워크를 제안한다. 첫 번째 하위 문제는 목적지 선택 문제이고, 두 번째 하위 문제는 멀티캐스트 트리 생성 문제이다.
그래프 주의 신경망(GAT)과 잔차 학습 방법을 결합하여 그래프 정보를 효과적으로 추출하고, 이를 통해 강화 학습 에이전트의 일반화 능력을 향상시킨다. 실험 결과, 제안 방법인 TGMS는 기존 방법 대비 에너지 소비를 75.7% 감소시키면서 유사한 AoI 성능을 달성한다.
סטטיסטיקה
에너지 소비를 75.7% 감소시킬 수 있다.
에너지 제약 하에서 유사한 AoI 성능을 달성할 수 있다.