Planificación de Enlaces Inalámbricos con Redes Neuronales Gráficas Aumentadas por Estado

Consideramos el problema de la planificación óptima de enlaces en redes inalámbricas ad hoc de gran escala. Nuestro objetivo es maximizar el rendimiento medio a largo plazo, sujeto a un requisito mínimo de transmisión para cada enlace para garantizar la equidad. Con una estructura de grafo utilizada para representar los conflictos de enlaces, formulamos un problema de optimización restringida para aprender la política de programación, que está parametrizada con una red neuronal gráfica (GNN). Para abordar el desafío del rendimiento a largo plazo, utilizamos la técnica de aumento de estado. En particular, al aumentar las variables duales de Lagrange como entradas dinámicas a la política de programación, la GNN puede ser entrenada para adaptar gradualmente las decisiones de programación para cumplir con los requisitos mínimos de transmisión. Verificamos la eficacia de nuestra política propuesta a través de simulaciones numéricas y comparamos su rendimiento con varias líneas de base en diferentes configuraciones de red.