| 講演名 | 2019-01-28 深層強化学習を用いた無線LAN最適チャネル制御 中島 功太(京大), 神矢 翔太郎(京大), 大津 一樹(京大), 山本 高至(京大), 西尾 理志(京大), 守倉 正博(京大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，無線LANのアクセスポイント（AP：access point）が稠密に配置された場合のチャネル割り当て問題に対し，深層強化学習を用いて適切なチャネル変更を行うアプローチを提案する．無線LANのAPはCSMA/CA（Carrier Sense Multiple Access with Collision Avoidance）方式に基づいて媒体アクセス制御を行う．キャリアセンス範囲に多くのAPが存在している場合にAPのスループットは小さくなる．スループット低下要因は同一チャネルを使用しているAP数であるため，使用するチャネルを適切に制御することでスループットの向上が可能である．本稿では，APのキャリアセンス関係をグラフとして扱い，GCN（Graph Convolutional Networks）を利用して隣接関係における特徴抽出を行うことで，状態数が膨大な問題に対しても適切なチャネル選択が可能であることを示す．また，ポテンシャルゲーム理論に基づくチャネル選択を学習中の行動選択に適用することで，学習の効率化を図っている．シミュレーション評価により提案方式が他の比較方式より適切なチャネル変更が行われていることを示す． |
| 抄録(英) | This report proposes deep reinforcement learning-based channel selection method when access points (APs) are located densely. In densely deployed WLANs, APs could have many APs in their carrier sensing range and throughput of the APs becomes low due to high contention. We apply graph convolution networks (GCN) to a contention graph where APs in their carrier sense range are connected for extracting the features of carrier sensing relationship. Moreover, by selecting an action according to spatial adaptive play (SAP) method, we improve the learning efficiency. The simulation results show that the proposal method can control the channels appropriately in comparison to other methods. |
| キーワード(和) | 深層強化学習 / graph convolutional networks / spatial adaptive play |
| キーワード(英) | deep reinforcement learning / graph convolutional networks / spatial adaptive play |
| 資料番号 | ASN2018-80 |
| 発行日 | 2019-01-21 (ASN) |
| 研究会情報 | |
| 研究会 | ASN |
|---|---|
| 開催期間 | 2019/1/28(から2日開催) |
| 開催地（和） | 休暇村 指宿 |
| 開催地（英） | Kyuukamura Ibusuki |
| テーマ（和） | 知的環境，センサネットワーク，ポスターセッション，及び，一般 |
| テーマ（英） | Ambient intelligence, Sensor networks, Poster session, etc. |
| 委員長氏名（和） | 岡田 啓(名大) |
| 委員長氏名（英） | Hiraku Okada(Nagoya Univ.) |
| 副委員長氏名（和） | 山本 高至(京大) / 中澤 仁(慶大) / 門田 和也(日立) |
| 副委員長氏名（英） | Koji Yamamoto(Kyoto Univ.) / Jin Nakazawa(Keio Univ.) / Kazuya Monden(Hitachi) |
| 幹事氏名（和） | 大和田 泰伯(NICT) / 萬代 雅希(上智大) / 川喜田 佑介(神奈川工科大) |
| 幹事氏名（英） | Yasunori Owada(NICT) / Masaki Bandai(Sophia Univ.) / Yusuke Kawakita(Kanagawa Inst. of Tech.) |
| 幹事補佐氏名（和） | 橋本 匡史(阪大) / 大田 知行(広島市立大) / 菊月 達也(富士通研) / 中野 亮(日立) / 堀田 善文(三菱電機) |
| 幹事補佐氏名（英） | Masafumi Hashimoto(Osaka Univ.) / Tomoyuki Ota(Hiroshima City Univ.) / Tatsuya Kikuzuki(Fujitu Lab.) / Ryo Nakano(HITACHI) / Yoshifumi Hotta(Mitsubishi Electric) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Ambient intelligence and Sensor Networks |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層強化学習を用いた無線LAN最適チャネル制御 |
| サブタイトル（和） | |
| タイトル（英） | Deep Reinforcement Learning-Based Optimum Channel Control for Wireless LAN |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層強化学習 / deep reinforcement learning |
| キーワード(2)（和/英） | graph convolutional networks / graph convolutional networks |
| キーワード(3)（和/英） | spatial adaptive play / spatial adaptive play |
| 第 1 著者 氏名（和/英） | 中島 功太 / Kota Nakashima |
| 第 1 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 2 著者 氏名（和/英） | 神矢 翔太郎 / Syotaro Kamiya |
| 第 2 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 3 著者 氏名（和/英） | 大津 一樹 / Kazuki Ohtsu |
| 第 3 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 4 著者 氏名（和/英） | 山本 高至 / Koji Yamamoto |
| 第 4 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 5 著者 氏名（和/英） | 西尾 理志 / Takayuki Nishio |
| 第 5 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 6 著者 氏名（和/英） | 守倉 正博 / Masahiro Morikura |
| 第 6 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 発表年月日 | 2019-01-28 |
| 資料番号 | ASN2018-80 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | ASN-428 |
| ページ範囲 | pp.13-18(ASN), |
| ページ数 | 6 |
| 発行日 | 2019-01-21 (ASN) |