Title: Performance Improvement of Reinforcement Learning Based Slotted ALOHA
Abstract: Framed Slotted ALOHA(FSA)에 강화학습을 적용한 기존의 ALOHA-Q에서는 각 노드가 지능적으로 슬롯을 선택하여 충돌 없이 패킷을 전송한다. 여기서 채널은 여러 개의 프레임으로 구성되고, 프레임은 여러 개의 슬롯으로 구성된다. ALOHA-Q에서는 각 노드가 프레임당 한 개의 슬롯만 선택하기 때문에 프레임 내의 슬롯의 개수, 즉 프레임 크기와 노드 수가 다른 경우 네트워크 성능이 많이 감소한다. 본 논문에서는 기존의 ALOHA-Q에 목적 함수를(Objective function) 적용해 각 노드가 프레임 내에서 사용하는 슬롯의 개수를 조절하여 네트워크 성능을 높인다. 시뮬레이션 결과를 통해 논문에서 제안한 방식의 throughput이 노드 수에 민감하지 않고, ALOHA-Q와 비교하여 높은 성능을 내는 것을 보여준다.
Publication Year: 2020
Publication Date: 2020-11-27
Language: ko
Type: article
Indexed In: ['crossref']
Access and Citation
AI Researcher Chatbot
Get quick answers to your questions about the article from our AI researcher chatbot