.png){kind=icon}
返回
Energy efficiency optimization in RIS-assisted MU-MISO systems with modified TD3per algorithm
.png){kind=icon}
PRE
AI
DOI：10.1186/s13638-026-02594-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
6G网络将推动无线网络向万物互联发展，但同时也面临巨大的能源消耗挑战。本文考虑了可重构智能表面（RIS）辅助的多用户多输入单输出（MU-MISO）系统，旨在通过联合优化波束成形向量和RIS相位偏移来最大化系统能效，同时满足基站服务质量要求和功率预算约束。所得到的优化问题本质上是非凸的。为解决这一挑战，我们提出了改进的具有优先经验回放（Prioritized Experience Replay）的双延迟深度确定性策略梯度（TD3per）算法，使智能体能够区分经验样本的重要性，从而提高采样效率并减少训练时间。仿真结果表明，基于TD3per的方案相比现有基准方法实现了更高的能效。
Keyword:
RIS
DRL
Energy efficiency
Beamforming
期刊
J
IF:
0
论文数:
59
被引数:
0
机构
引用论文
暂无论文信息