干扰管理学习日志10-------物联网_强化学习_网络吞吐量_丢包率

---

本文是对论文《Reinforcement Learning-Based Coexistence Interference Management in Wireless Body Area Networks》的分析，第一作者为Izaz Ahmad

一、文章概述

本文作者通过使用强化学习方法管理物联网中的共存设备，以优化物联网设备所组成系统的吞吐量和传输功率。

二、系统环境

系统环境如上所示，假设物联网设备在人体的分布位置是固定的，整个物联网系统由传感器节点和协调器组成，传感器节点尝试在超帧空闲的时隙传送信息，并由协调器给予握手反馈，以表示信息传输是否成功。

三、算法详述

1.流程图

算法的核心在于节点与协调器的信息传输，起初，算法初始化所有节点的Q值,包括两个部分:节点号与超帧中的时隙号，将Q表中的状态值初始化为0。之后，各个节点选择超帧中的时隙进行传输，以协调器的ACK握手信号作为环境的反馈。若信号传输没有受到阻塞，成功与协调器ACK，环境反馈为1,反之为-1。

2.伪代码

四、性能表征

1.网络吞吐量

2.丢包率