基于SIC的Bandit算法用于动态LoRa资源分配

本文针对LoRa网络中的动态环境挑战，提出了一种用于传输参数选择的分布式学习方法。将Schwarz信息准则（SIC）与Upper Confidence Bound（UCB1-tuned）算法相结合，可以快速适应变化的通信条件，提高传输成功率和能源效率。 关注资源受限设备和使用真实世界实验是关键优势。

• •提出了一种用于LoRa网络中传输参数选择的分布式学习方法。
• •将Schwarz信息准则（SIC）与UCB1-tuned相结合，以适应动态环境。
• •提高传输成功率和能源效率。
• •专为资源受限的LoRa终端设备（ED）设计。
• •通过真实的LoRa设备实验进行验证。