.png){kind=icon}
返回
Joint operating mode and resource allocation optimization in wireless-powered RIS-assisted multiuser communication systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111650.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们的工作首次研究了采用混合RIS（可重构智能表面）的无线供电通信系统的设计，这具有挑战性，因为需要在给定 harvested energy（ harvested energy）约束下确定混合RIS的最优模式，其过程较为复杂。
• 我们提出了一种新的三模式架构，以使RIS的每个反射单元能够在被动模式、主动模式和空闲模式之间切换。
• 我们开发了一种新的基于深度强化学习（DRL）的分层优化方法，通过将问题分解为外层子问题和内层子问题。外层子问题利用基于近端策略优化（PPO）的DRL算法优化反射单元的工作模式及放大因子，而内层子问题则基于凸优化理论优化时间分配和用户传输功率。
Keyword:
wireless-powered communication
hybrid RIS
deep reinforcement learning
mode optimization
energy harvesting
期刊
IF:
4.6
论文数:
1.7K
被引数:
1.6W
机构
引用论文
.png){kind=icon}
A Multi-Agent Reinforcement Learning Approach for Massive Access in NOMA-URLLC Networks一种用于NOMA-URLLC网络大规模访问的多智能体强化学习方法
PREAI
分享收藏分享收藏
查看更多内容