计算机研究与发展

作者：王倩,聂秀山,尹义龙,

关键词：强化学习, 密集异构网络, 流量卸载, 吞吐量, 效用函数,

近年来互联网用户规模和网络流量呈现爆炸式的增长，不断逼近蜂窝移动通信网络的容量极限.流量卸载技术可充分利用现有网络，将蜂窝网络的部分流量卸载到空闲网络中，进行跨网协作实现对蜂窝网络容量的极大提升，可有效解决有限的无线带宽资源与海量高速业务需求的矛盾.将强化学习的思想引入流量卸载算法中，提出了一种异构网络中基于强化学习的流量卸载算法.该算法把流量卸载问题映射为一个强化学习问题.基于前一状态完成的动作，以WiFi网络吞吐量作为回报函数，准确地预测需卸载的流量，并计算当前网络的最大卸载量，寻找最佳的WiFi网络接入点(accesspoint,AP)，并推导出最优的流量卸载判决规则，达到异构网络整体吞吐量最大化.仿真结果表明：基于Q学习的流量卸载算法可有效地实现自适应流量卸载控制规则，有效地避免过度卸载引起的碰撞冲突和系统性能急剧恶化，达到跨网协作的负载均衡点，在保证WiFi用户服务质量的条件下，最大限度地提高LTE系统吞吐量，保证密集异构网络的整体性能.

来源：2018年第8期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2018年第8期