تخصيص منابع مبتني بر يادگيري تقويتي براي بهبود گذردهي در ارتباطات D2D سلولي

با توجه به تقاضاي روزافزون براي پهناي باند شبكه‌هاي سلولي، همزيستي ارتباطات دستگاه به دستگاه با مشتركان مجوزدار شبكه سلولي مي‌تواند به بهره‌وري كارآمد از طيف مغناطيسي منجر شده و گذردهي شبكه را افزايش دهد. در اين شيوه، منابع به نحوي ميان مشتركان مجوزدار شبكه سلولي و زوج دستگاه‌ها با ارتباط مستقيم به اشتراك گذاشته مي‌شود كه ضمن افزايش بهره‌وري طيف فركانسي، خللي در كيفيت سرويس كاربران مجوزدار ايجاد نشود. اغلب روش‌هاي تخصيص منابع كنوني متكي به اطلاعات وضعيت كانال و بازخورد نرخ ارسال مشتركان شبكه سلولي هستند كه اين اطلاعات به شكل دقيق در دسترس نيست. در اين مقاله، يك روش نوآورانه مبتني بر يادگيري تقويتي براي تنظيم حالت كاري كاربران D2D و اختصاص طيف به گره‌ها پيشنهاد مي‌شود كه بدون نياز به اطلاعات وضعيت كانال، منابع به شكل بهينه بين كاربران ارتباطات D2D و مشتركان شبكه سلولي تقسيم شده و گذردهي شبكه را بيشينه مي‌سازد. ارزيابي‌هاي انجام شده نشان مي‌دهد كه روش پيشنهادي عليرغم عدم دسترسي به اطلاعات وضعيت كانال و بازخورد نرخ ارسال مشتركان، به گذردهي نزديك به حالت بهينه دست مي‌يابد و نرخ قطعي آن بسيار نزديك به حالت ايده آل است.