Restless Multi-armed Bandit을 이용한 인지 무선 시스템에서의 부 사용자 채널 할당 알고리즘

Abstract

본 논문에서는, 최근 주파수 대역의 효율적인 이용을 위한 핵심 기술로 평가되고 있는 인지 무선 (Cognitive Radio) 시스템에서, 부 사용자들에게 비어 있는 채널을 선택하여 할당시켜주는 알고리즘을 제안한다. 이 문제는 기계 학습 분야에서 잘 알려진 이론인 Multi-armed Bandit (MAB) 문제를 이용하여 모델링할 수 있다. MAB는 여러 개의 레버를 가진 슬롯머신이라는 뜻으로, 여러 개의 레버 중 보상(reward)를 얻을 확률이 가장 높은 레버를 경험적으로 찾아나가면서 얻어진 총 보상의 합을 최대화하는 것이 목표가 된다. 보통의 인지 무선 시스템의 채널 특성은 상태가 2개인 Markov chain으로 잘 모델링될 수 있으며, 본 논문에서는 이를 가정에 가장 최적화된 알고리즘을 제안하고, 기존의 알고리즘들과 성능을 비교한다.