VLC与D2D异构网络优化：一种基于均衡约束均衡问题的强化学习方法

摘要： 射频（RF）频谱资源紧张促使人们开发利用其他带宽来源，可见光成为极具潜力的候选方案。虽然可见光通信（VLC）能确保高容量传输，但其覆盖范围有限。这需要将VLC与设备间直连（D2D）技术整合到异构网络中。具体而言，可接收VLC发射器信号的移动用户可通过D2D通信为中继不可接收信号的用户转发数据。然而由于移动用户的分布式特性，确定从VLC发射器到终端移动设备的最优数据传输路径是主要挑战。本文提出基于强化学习（RL）的方法来确定室内VLC-D2D异构网络中的多跳数据传输路径。通过将中继数据的移动用户交互建模为带均衡约束的均衡问题（EPEC），并采用交替方向乘子法（ADMM）求解，动态获取RL方法的奖励值。该技术能以分布式方式实现最优数据传输路径。仿真结果表明，所提方法能有效通过学习算法获得低延迟、高容量的传输路径。