AE-MAPPO:一种用于6G O-RAN切片中可解释资源分配的注意力增强多智能体PPO算法

《IEEE Open Journal of the Communications Society》:AE-MAPPO: Attention-Enhanced Multi-Agent PPO for Explainable Resource Allocation in 6G O-RAN Slicing

【字体: 大 中 小 】 时间:2026年07月08日 来源:IEEE Open Journal of the Communications Society 6.2

编辑推荐:

  摘要:深度强化学习在自主网络切片领域具有巨大潜力,但其可解释性较差,这阻碍了其在那些需要明确责任归属且运营商信任度至关重要的6G基础设施中的应用。本文提出了一种名为注意力增强多智能体近端策略优化(AE-MAPPO)的可解释多智能体深度强化学习框架,用于实现自适应的网络切片资源管理

  

摘要:

深度强化学习在自主网络切片领域具有巨大潜力,但其可解释性较差,这阻碍了其在那些需要明确责任归属且运营商信任度至关重要的6G基础设施中的应用。本文提出了一种名为注意力增强多智能体近端策略优化(AE-MAPPO)的可解释多智能体深度强化学习框架,用于实现自适应的网络切片资源管理。与事后解释方法不同,AE-MAPPO将注意力机制直接嵌入策略架构中,使得与解释相关的信息能够直接影响决策制定。具体而言,该框架在集中训练、分散执行的模式下,整合了语义、时间、跨切片、置信度、反事实以及元控制器注意力模块。这样的设计既实现了多切片之间的协同控制,又能揭示影响资源分配决策的关键因素。在多种流量和网络条件下的大量实验表明,与不可解释的基准方法相比,AE-MAPPO显著提升了系统的可解释性和运行稳定性,使服务级别协议违反情况减少了57%,干预触发事件减少了83.8%,同时还能保持系统的良好性能。这些结果说明,具备解释功能的策略设计有助于在下一代无线网络中实现既高效又可靠的自主控制。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号