Diffusion Model Based Resource Allocation Strategy in Ultra-Reliable Wireless Networked Control Systems

要約

拡散モデルは、複雑なデータ分布を捕捉する機能を活用して、生成 AI で広く使用されています。
ただし、ワイヤレス ネットワークのリソース割り当ての分野では、その可能性はほとんど解明されていません。
この論文では、制御システムのサンプリング周期、および有限ブロック長でのブロック長とパケット エラー確率の最適化を通じて総電力消費を最小限に抑えることを目的とした、無線ネットワーク制御システム (WNCS) 向けの新しい拡散モデルベースのリソース割り当て戦略を紹介します。
通信システムの体制。
この問題は、まず、最適性条件の導出のみに基づくブロック長の最適化に帰着される。
次に、最適化理論ソリューションは、チャネル ゲインと対応する最適なブロック長のデータセットを収集します。
最後に、ノイズ除去拡散確率モデル (DDPM) は、この収集されたデータセットを使用して、チャネル状態情報 (CSI) に基づいて最適なブロック長値を生成するリソース割り当てアルゴリズムをトレーニングします。
広範なシミュレーションを通じて、提案されたアプローチは、総消費電力に関して最適に近いパフォーマンスで、以前に提案された深層強化学習 (DRL) ベースのアプローチよりも優れたパフォーマンスを示すことが示されました。
さらに、重大な制約違反の削減において最大 18 倍の改善が観察され、ソリューションの精度がさらに強調されています。

要約(オリジナル)

Diffusion models are vastly used in generative AI, leveraging their capability to capture complex data distributions. However, their potential remains largely unexplored in the field of resource allocation in wireless networks. This paper introduces a novel diffusion model-based resource allocation strategy for Wireless Networked Control Systems (WNCSs) with the objective of minimizing total power consumption through the optimization of the sampling period in the control system, and blocklength and packet error probability in the finite blocklength regime of the communication system. The problem is first reduced to the optimization of blocklength only based on the derivation of the optimality conditions. Then, the optimization theory solution collects a dataset of channel gains and corresponding optimal blocklengths. Finally, the Denoising Diffusion Probabilistic Model (DDPM) uses this collected dataset to train the resource allocation algorithm that generates optimal blocklength values conditioned on the channel state information (CSI). Via extensive simulations, the proposed approach is shown to outperform previously proposed Deep Reinforcement Learning (DRL) based approaches with close to optimal performance regarding total power consumption. Moreover, an improvement of up to eighteen-fold in the reduction of critical constraint violations is observed, further underscoring the accuracy of the solution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google