심층강화학습 기반 차량 대 차량 자원 할당 기법 = Deep Reinforcement Learning-Based Vehicle-to-Vehicle Resource Allocation

다국어 초록 (Multilingual Abstract)

In this paper, we propose a deep reinforcement learning (DRL)-based method to satisfy diverse requirements in vehicular communications. Using the channel as the input, the actor-critic algorithm outputs the resource allocation maximizing the network sum rate while ensuring the requirements.

국문 초록 (Abstract)

본 논문에서는 차량 간 통신에서 다양한 요구 조건을 만족하기 위해 심층강화학습을 사용하는 방안을제시한다. 심층강화학습 중 actor-critic 알고리즘을 활용해 주변 채널 상황을 입력으로 받아 자원 할당을출력해 차량 별 요구 조건을 만족하면서 네트워크 데이터 전송률 합을 최대화한다.

참고문헌 (Reference)

1 H. Ju, "데이터 전송 시간 단축을위한 심층강화학습 기반 자원할당 기법 연구" 1230-1231, 2021

2 M. T. Kawser, "Performance comparison between round robin and proportional fair scheduling methods for LTE" 2 (2): 678-681, 2012

3 V. Mnih, "Human-level control through deep reinforcement learning" 518 (518): 529-533, 2015

4 P. K. Singh, "A tutorial survey on vehicular communication state of the art, and future research directions" 18 (18): 2019