Energy-Efficient Resource Allocation for FeMBB and eURLLC Coexistence in RSMA-Based Wireless Networks
Notice bibliographique
Résumé
Emerging 5G-Advanced and 6G wireless networks are anticipated to support a wide array of services, including further enhanced mobile broadband (FeMBB) and extreme ultra-reliable low-latency communications (eURLLC), to meet diverse communication needs. The radio access network (RAN) slicing is a pivotal technology for enabling the delivery of these services on shared infrastructure, playing a particularly important role in 6G, where FeMBB and eURLLC services have different blocklengths. To meet varying quality of service (QoS) demands in next-generation networks, innovative multiple access techniques are required to improve interference management and optimize spectrum efficiency. Rate-splitting multiple access (RSMA) is an effective approach for achieving these objectives. This paper investigates the problem of Energy-efficient joint Resource block (RB) allocation and Power control (ERP) for the coexistence of FeMBB and eURLLC services in RSMA-based green communication networks. In this ERP problem, each FeMBB user is guaranteed a minimum data rate, while each eURLLC user must satisfy latency and reliability constraints. To address the ERP problem, we introduce a sub-optimal algorithm (SO-ERP) based on convex optimization. However, the SO-ERP algorithm has high computational complexity and requires approximations to convexify the original ERP problem, potentially moving the solution away from the optimum. To overcome these limitations, we propose a hybrid deep reinforcement learning (HDRL-ERP) algorithm that employs a dueling double deep Q-network for RB allocation and a deep deterministic policy gradient for power control. Simulation results are presented to illustrate the performance of SO-ERP and HDRL-ERP algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».