来源：期刊VIP网 时间：
作者：卢华;任荣;王捷;
单位：广东省新一代通信与网络创新研究院;东南大学移动通信全国重点实验室;
摘要：针对多输入多输出(Multiple-Input Multiple-Output, MIMO)场景下增强型移动宽带(Enhanced Mobile Broadband, eMBB)、超可靠低时延通信(Ultra-Reliable Low-Latency Communications, URLLC)和大规模机器类通信(Massive Machine Type Communications, mMTC)三类业务共存时的无线资源分配问题，提出将波束的正交空间方向视为带宽资源，并构建了混合整数非线性规划(Mixed-Integer Nonlinear Programming, MINLP)资源分配模型。该模型利用现有eMBB业务的空间波束，在不降低eMBB业务性能的情况下为额外的URLLC/mMTC用户提供服务。为解决MINLP问题的非凸性挑战，分别从传统数学优化角度采用big-M方法和连续凸逼近(Successive Convex Approximation, SCA)方法，以及从深度强化学习(Deep Reinforcement Learning, DRL)角度引入近端策略优化(Proximal Policy Optimization, PPO)算法进行求解。仿真实验结果表明，基于PPO的叠加方法和基于SCA的叠加方法在多项关键性能指标上均显著优于基线算法，且DRL算法在保持较低复杂度的同时，其性能已接近SCA,进一步证明了DRL在未来有可能取代传统数学算法，成为解决复杂资源分配问题的有力工具。
关键词：多输入多输出;;资源分配;;连续凸逼近;;深度强化学习
基金资助：国家重点研发计划(2019YFB1804400)~~
