摘要：随着物联网（IoT， Internet of things）中基站的部署愈发密集，网络干扰管控的重要性愈发突显。物联网中，设备常采用随机接入，以分布式的方式接入信道。在海量设备的物联网场景中，节点之间可能会出现严重的干扰，导致网络的吞吐量性能严重下降。为了解决随机接入网络中的干扰管控问题，考虑基于协作接收的多基站时隙Aloha网络，利用强化学习工具，设计自适应传输算法，实现干扰管控，优化网络的吞吐量性能，并提高网络的公平性。首先，设计了基于Q-学习的自适应传输算法，通过仿真验证了该算法面对不同网络流量时均能保障较高的网络吞吐量性能。其次，为了提高网络的公平性，采用惩罚函数法改进自适应传输算法，并通过仿真验证了面向公平性优化后的算法能够大幅提高网络的公平性，并保障网络的吞吐性能。
文章目录
0 引言
1 系统模型
2 基于Q-学习的多基站传输策略研究
2.1 传输策略
2.2 仿真结果
3 面向公平性改进的Q-学习传输策略
3.1 公平性改进原理
3.2 仿真结果
4 结束语
