基于多智能体深度强化学习的车联网资源分配方法OA
Resource Allocation for Vehicular Networking Based on Multi-agent Deep Reinforcement Learning
在车联网中,合理分配频谱资源对满足不同车辆链路业务的服务质量(Quality of Service,QoS)需求具有重要意义.为解决车辆高速移动性和全局状态信息获取困难等问题,提出了一种基于完全分布式多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)的资源分配算法.该算法在考虑车辆通信延迟和可靠性的情况下,通过优化频谱选择和功率分配策略来实现最大化网络吞吐量.引入共享经验池机制来解决…查看全部>>
In vehicular networks,the rational allocation of spectrum resources is of great importance in meeting the Quality of Service(QoS)requirements for diverse vehicular link services.To address challenges such as high vehicular mobility and difficulties in obtaining global state information,a resource allocation algorithm based on fully distributed Multi-Agent Deep Reinforcement Learning(MADRL)is proposed.With vehicle communication delays and reliability ta…查看全部>>
孟水仙;刘艳超;王树彬
内蒙古自治区无线电监测站,内蒙古呼和浩特 010011内蒙古大学 电子信息工程学院,内蒙古呼和浩特 010021内蒙古大学 电子信息工程学院,内蒙古呼和浩特 010021
电子信息工程
车联网资源分配多智能体深度强化学习深度Q网络
vehicular networkresource allocationMADRLDQN
《无线电工程》 2024 (6)
1388-1397,10
国家自然科学基金(62361048)National Natural Science Foundation of China(62361048)
评论