@techreport{oai:ipsj.ixsq.nii.ac.jp:00210052,
 author = {武松, 未来 and 坂井, 渉太 and 重野, 寛},
 issue = {29},
 month = {Mar},
 note = {無線 LAN の密集化によるスループット性能の低下を解決するために送信電力・信号検知閾値制御を初めとする周波数資源を有効活用する空間再利用に関する技術の採用が検討されている．既存研究 RTOT アルゴリズムでは，1 つの変数 M により送信電力と信号検知閾値を同時にコントロールすることが可能となった．しかし，シナリオに応じた適切な変数 M を使用する必要があるが，既存研究では変数 M の決定に関しては考慮していない．そこで本稿では，Q 学習により RTOT アルゴリズムの変数 M を決定することを提案する．また，Q 学習についての既存研究で多く使用されている報酬の計算方法では公平性を考慮していないものが多く，スループットは高いが，公平性が低いという問題があったため，本稿では，公平性を向上させる報酬の計算方法を提案する．シミュレーションによって，提案報酬を使用した Q 学習を用いた RTOT アルゴリズムでは，既存手法に比べてスループットと公平性ともに向上することを確認した．},
 title = {密集無線LAN環境におけるQ学習を用いた送信電力・信号検知閾値制御の検討},
 year = {2021}
}