Multi-Agent Deep Reinforcement Learning-Based Fairness-Aware Power Allocation in NOMA Systems under Imperfect SIC for 5G Communication Networks
Dit artikel stelt een gedecentraliseerd Multi-Agent Deep Reinforcement Learning-framework voor dat de vermogensallocatie in downlink NOMA-systemen optimaliseert onder imperfecte SIC-omstandigheden om gelijktijdig de spectrale efficiëntie, gebruikersgelijkheid en betrouwbaarheid te verbeteren, waarbij het traditionele en bestaande leergebaseerde algoritmen in dynamische 5G-omgevingen overtreft.