基于深度增强学习和多目标优化改进的卫星资源分配算法OA北大核心CSCDCSTPCD
Improved satellite resource allocation algorithm based on DRL and MOP
针对多波束卫星系统中资源分配序列决策的多目标优化(MOP)问题,为了在提升卫星系统性能的同时,提高用户业务需求的满意度,提出了一种基于深度增强学习(DRL)的DRL-MOP算法.所提算法基于DRL和MOP技术,对动态变化的系统环境和用户到达模型建模,以归一化处理后的频谱效率、能量效率和业务满意度指数的加权和作为优化目标,实现了系统和用户累计性能的优化.仿真对比表明,所提算法可以更好地解决面向多波束卫星系统的多目标优化问题,系统性能和用户满意度优化结果较好,且收敛快、复杂度低.
张沛;刘帅军;马治国;王晓晖;宋俊德
北京邮电大学计算机学院,北京 100876中国信息通信研究院,北京 100191中国科学院软件研究所,北京 100190中国信息通信研究院,北京 100191北京邮电大学计算机学院,北京 100876
信息技术与安全科学
多波束卫星系统资源分配序列决策深度增强学习多目标优化
《通信学报》 2020 (6)
51-60,10
国家重点研发计划基金资助项目(No.2018YFB0105105)国家科技重大专项基金资助项目(No.2018ZX03001016)
评论