在 MIMO-NOMA 网络中利用深度强化学习优化网络资源以在最低开销下最大化利用率

为什么更聪明的手机网络很重要

随着我们的手机、汽车和无数传感器在无线频谱上竞争，现有网络在保持连接顺畅方面遇到困难，尤其是在用户快速穿行于城市和高速公路时。本文提出了一种新方法，通过让网络实时学习该使用哪些连接以及如何在众多用户间共享有限的无线资源并尽量减少浪费，从而使未来的 5G 和 6G 类网络更高效、更可靠。

拥挤的无线频谱与拥堵问题

现代无线系统必须为大量且不断移动的用户提供服务。诸如 MIMO（同时使用多根天线）和 NOMA（让多个用户共享同一频谱片段）之类的新技术在容量上具有巨大潜力。但在现实中，当人们乘车或乘火车移动、信号快速波动时，决定将每个用户连接到哪个基站、分配多少功率以及如何防止用户相互干扰变得极其困难。许多现有的优化方法假设条件相对稳定或对无线信道有完美了解，而这些假设在快速且拥挤的真实环境中往往失效。

让网络预测最佳连接

作者提出了一种称为 OSIANRO 的方法，首先改进设备到网络和信道的分配。它不是依赖固定规则，而是使用一种强化的流行机器学习方法：梯度提升（gradient boosting）。该升级模型从大量过去的网络行为示例（例如信号强度、延迟和所用应用类型）中学习，以预测某一连接选择是可能成功还是失败。该方法在数学上进行了重构，以惩罚过于复杂的决策并处理罕见但重要的问题情形，例如难以服务的用户。通过对信息的重要性进行精细评分和排序，它只关注最有用的特征，从而减少决策时间和错误率。

教网络公平共享并避免冲突

在 OSIANRO 选出有前景的网络或信道后，它还必须决定如何在众多用户之间共享频谱和功率。作者建立了一个详细的数学模型，描述用户可发送的数据量、信号如何相互干扰以及当用户同时尝试使用空中接口时的碰撞频率。系统没有用固定公式去求解这个复杂难题，而是使用深度强化学习，其中许多软件“智能体”通过试错学习。每个智能体代表一个用户，选择访问哪个资源块以及以多大竞争力度争夺它。智能体在总体数据率提高时获得奖励，在干扰或信道开销上升时受到惩罚，经过迭代逐渐收敛到在保持低碰撞的同时推动总吞吐量提升的策略。

在城市街道和高速公路下的性能

为了测试 OSIANRO，作者使用知名的信道模型和开源工具模拟了现实的城市和高速公路场景。他们将该系统与一个使用专门量子启发式设备来优化资源分配的先进基准进行了比较。在多次实验中，OSIANRO 持续提高了总数据率，从每单位频谱中榨取更多信息，并大幅减少了碰撞次数，即便在用户数量和速度增加时也是如此。改进的梯度提升网络选择比标准版本更准确、更快速，而强化学习组件在不依赖完美先验知识的情况下能够平滑地适应变化的无线条件。

这对日常连接意味着什么

简单来说，这项工作表明，赋予无线网络预测和自主学习的能力，可以让拥挤的频谱更像有序的高速公路而非混乱的停车场。通过智能地选择每台设备应使用的基站和信道，并持续调整用户共享频谱的方式，OSIANRO 能在减少延迟和故障的同时向更多用户提供更多数据。虽然这些结果来自详细仿真而非现场部署，但它们为在我们用移动汽车、列车和数十亿连接设备装满网络时，仍能保持快速、公平和稳定的移动网络指明了切实可行的路径。

引用: Lahza, H., Sreenivasa, B.R., Lahza, H. et al. Deep reinforcement learning for network resource optimization in MIMO-NOMA networks to maximize utilization with minimal overhead. Sci Rep 16, 12635 (2026). https://doi.org/10.1038/s41598-026-42953-7

关键词: 5G 资源分配, MIMO NOMA, 深度强化学习, 网络优化, 无线干扰