首页> 外文会议>Asia Communications and Photonics Conference >Deep Reinforcement Learning Based Policy for Power Efficient Dynamic Subcarrier Assignment in OFDMA-PONs
【24h】

Deep Reinforcement Learning Based Policy for Power Efficient Dynamic Subcarrier Assignment in OFDMA-PONs

机译:基于深度强化学习的OFDMA-PON中功率有效动态子载波分配策略

获取原文

摘要

The paper proposes a deep reinforcement learning (DRL) based policy for power efficient dynamic subcarrier assignment in OFDMA-PONs. The simulation results show it can reaches the near-optimal traffic delay with a significant power saving.
机译:本文提出了一种基于深度强化学习(DRL)的策略,用于OFDMA-PON中的功率高效动态子载波分配。仿真结果表明,它可以达到接近最佳的通信延迟,并且可以节省大量功率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号