Energy-Efficient Resource Allocation in O-RAN Using Soft Actor-Critic
Rattachement africain : vn, us, kr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Deep Reinforcement Learning (DRL) has recently become a powerful tool for addressing complex optimization problems in mobile networks. Among DRL methods, Soft Actor-Critic (SAC), an off-policy algorithm, stands out due to its sample efficiency and ability to learn stable and resilient policies. This work explores the application of SAC to the resource allocation problem in Open Radio Access Networks (O-RAN) with stringent Quality of Service (QoS) requirements. The performance of SAC is benchmarked against Proximal Policy Optimization (PPO), a strong on-policy DRL algorithm, and a greedy baseline. Experimental results show that while both DRL methods outperform the greedy strategy, SAC consistently achieves faster convergence and better long-term stability compared to PPO, making it highly suitable for dynamic O-RAN environments.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Energy-Efficient Resource Allocation in O-RAN Using Soft Actor-Critic
- Date Crossref
- 18/12/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Van Lang University pays non établi dans la noticeUniversité ou école supérieure
-
DELL (United States) pays non établi dans la noticeEntreprise
-
FPT University pays non établi dans la noticeUniversité ou école supérieure
-
Catholic University of Korea pays non établi dans la noticeUniversité ou école supérieure
-
Van Lang School of Technology pays non établi dans la noticeUniversité ou école supérieure
-
Dell Technologies pays non établi dans la noticeInstitution
Van Lang University, DELL (United States) et FPT University, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.