1.算法仿真效果
matlab2022a仿真结果如下：
2.算法涉及理论知识概要 基于Q-Learning强化学习的异构网络小区范围扩展（Cell Range Extension, CRE）技术是一种旨在优化异构无线网络性能的方法。异构网络是由不同类型的基站（如宏基站、微基站、皮基站等）组成的网络，这些基站具有不同的发射功率、覆盖范围和容量。小区范围扩展技术通过调整基站的发射功率或偏置参数，使得用户能够更均匀地分布在网络中，从而提高网络的整体性能和用户体验。
2.1 Q-Learning概要 在异构网络中，由于不同类型基站的差异，用户往往更倾向于连接到发射功率更大的宏基站，导致微基站和皮基站的负载较轻，宏基站的负载过重。这种现象被称为“蜂窝选择偏见”或“负载不平衡”。为了解决这个问题，可以通过小区范围扩展技术来调整基站的覆盖范围，使得用户能够更均匀地分布在不同类型的基站之间。
Q-Learning是一种基于值迭代的强化学习算法，它通过学习一个Q值函数来评估在不同状态下采取不同动作的长期回报。在异构网络小区范围扩展的场景中，可以将每个基站视为一个智能体，每个智能体通过与环境（即网络中的其他基站和用户）交互来学习如何调整其发射功率或偏置参数以优化网络性能。
2.2 基于Q-Learning的CRE算法 状态定义：状态可以定义为当前网络的状态，包括各个基站的负载情况、用户的分布和信道质量等。
动作定义：动作可以定义为基站可以采取的发射功率调整或偏置参数调整。
奖励函数设计：奖励函数应该能够反映网络性能的提升。例如，可以将奖励定义为负载均衡程度、吞吐量提升或用户满意度的提高等。
Q值函数更新：Q值函数用于评估在给定状态下采取特定动作的长期回报。在Q-Learning中，Q值函数通过以下公式进行更新：
策略选择：在每个状态下，基站选择具有最大Q值的动作来执行。
探索与利用：为了平衡探索新动作和利用已知最优动作之间的权衡，可以采用ε-贪婪策略或其他探索策略。
3.MATLAB核心程序
%Step (4) Among those sets whose received powers are equal to the pilot signal powers, UEs usually choose one set that has
%the lowest Q -value or rarely choose one set randomly to avoid local minima as ε-greedy policy [11].
user_q = [user_q,ju];
if Idiff<=length(diff1)
RSRPp_max_quantized(ju)=Qtmp(I_);
else
RSRPm_max_quantized(ju)=Qtmp(I_-length(diff1));
end
else
%Step (3) If there are no equal received powers on each UE’s Q -table, they add new received powers to their own Q -tables.
user_q = [user_q,0]; %没找到，更新q表
if Idiff<=length(diff1)
Qtmp(I_)=RSRPp_max_quantized(ju);
else
Qtmp(I_)=RSRPm_max_quantized(ju);
end
end
Qtable(:,ju)=Qtmp;
end
%Step (5) Each UE uses chosen set’s bias value as an action.
for jm=1:Macro_cell
for js=1:Small_cell
for ju=1:Users
for jsj = 1:Les
[tes,Ies] = min([abs(bias1(jsj,ju)),abs(bias2(jsj,ju))]);
if lp==1 %动作更新
action(jsj,jm,js,ju) = actions(Ies);
else
action(jsj,jm,js,ju) = action(jsj,jm,js,ju)+actions(Ies)/(1+CRE); %调整学习更新速率
end
end
end
end
end
%Step (6) Each UE compares “macro received power”with “pico received power” added by bias value,
%they try to connect to the larger one.
%Step (7) BSs allocate each UE to each RB randomly.In this article, each UE can use only one RB. strongly interfered by the MBS’s signals.
for ju=1:Users
dats = [RSRPp_max(ju)+min(bias1(:,ju)),RSRPm_max(ju)+min(bias2(:,ju))];
[Vsel,Isel] = max(dats);
RSRPsel(ju) = Vsel;
end
%Step (8) BSs calculate the number of outage UEs and pass it to UEs as a cost.
Ns = 0;
for jm=1:Macro_cell
for js=1:Small_cell
for ju=1:Users
RSRPm_ = RSRPm(ju,jm);
RSRPs_ = RSRPp(ju,js,jm);
if RSRPm_<RSRPs_%the number of outage UEs
Ns = Ns+1;
end
end
end
end
cost = Ns/(Macro_cell*Small_cell*Users);
%Step (9) Each UE reevaluates the chosen set’s Q -value at Step 4 as update based on Equation (6).
alp = 0.5;
gam = 0.9;
for ju=1:Users
idxx = randperm(Les);
k = state(idxx(1));
v = max(Qtable(k,:));
D = cost*Rew(k)+gam*v-Qtable(:,ju)-0.2;
Qtable(:,ju) = Qtable(:,ju) + alp*D;
end
%根据最后的动作action，调整CRE
for jm=1:Macro_cell
for js=1:Small_cell
for ju=1:Users
tmpss = (mean(action(:,jm,js,ju)));
CRE2(jm,js,ju) = CRE + tmpss;
end
end
end
end
