基于图卷积神经网络的超密集物联网资源分配策略

作     者：黄杰 李幸星 杨凡 丁睿杰 蔡杰良 姚凤航 张鑫 

作者机构：重庆理工大学电气与电子工程学院 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2024年

核心收录：

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.62301094) 重庆市教育委员会科技研究基金资助项目(No.KJQN202201157,No.KJQN202301135) 重庆理工大学科研创新团队培育计划基金资助项目(No.2023TDZ003) 

主　　题：超密集物联网 资源分配 深度强化学习 图卷积神经网络 

摘      要：针对超密集物联网（UD-IoT）中存在大量隐藏终端干扰严重影响资源管理问题，提出了一种基于图卷积的深度确定性梯度的超密集物联网资源分配策略。通过矩阵变换构建冲突图模型，采用极大团和超图理论将冲突图模型转化为冲突超图模型，进而将无冲突资源分配问题转化为超图顶点着色问题，并提出了一种基于图卷积的深度确定性梯度的超密集物联网资源分配算法，采用图卷积强化学习实现无冲突资源分配和资源复用率最大化。仿真实验表明，所提算法具有更高的资源复用率和吞吐量，可以在超密集物联网中提供更好的性能。