基于交替方向乘子法与深度强化学习算法的资源分配
郭兴康， 孙君 - 北京邮电大学学报, 2022 - journal.bupt.edu.cn
为了研究在有限信道状态信息下, 密集型网络的资源分配问题, 提出了交替方向乘子法结合深度
强化学习算法的模型驱动学习框架. 该框架区别于数据驱动框架, 能够根据具体问题进行一对一 …
强化学习算法的模型驱动学习框架. 该框架区别于数据驱动框架, 能够根据具体问题进行一对一 …
Resource Allocation Based on Alternating Direction Multiplier Method and Deep Reinforcement Learning Algorithm
XK GUO, J XUN - Journal of Beijing University of Posts and …, 2022 - journal.bupt.edu.cn
In order to optimize resource allocation of dense network under limited channel state
information, a model-driven learning framework combined with alternating direction method …
information, a model-driven learning framework combined with alternating direction method …
[PDF][PDF] 基于深度强化学习的蜂窝网资源分配算法
廖晓闽， 严少虎， 石嘉， 谭震宇… - Journal on …, 2019 - infocomm-journal.com
针对蜂窝网资源分配多目标优化问题, 提出了一种基于深度强化学习的蜂窝网资源分配算法.
首先构建深度神经网络(DNN), 优化蜂窝系统的传输速率, 完成算法的前向传输过程; …
首先构建深度神经网络(DNN), 优化蜂窝系统的传输速率, 完成算法的前向传输过程; …
[PDF][PDF] 空地一体化网络服务连续性保障的低功耗通信与控制联合优化方法
蔡自伟， 盛敏， 刘俊宇， 赵晨曦， 李建东 - Journal of Electronics & …, 2022 - jeit.ac.cn
空地一体化网络(AGIN) 充分利用了空中基站(ABSs) 灵活部署的特点, 为热点地区提供了按需
覆盖与高质量服务. 然而, 空中基站的高动态性使得网络的服务连续性难以保障. 而且 …
覆盖与高质量服务. 然而, 空中基站的高动态性使得网络的服务连续性难以保障. 而且 …
基于深度强化学习的反向散射网络资源分配机制.
江巍， 朱江 - Telecommunication Engineering, 2022 - search.ebscohost.com
为了提升反向散射网络中物联网设备的平均吞吐量, 提出了一种资源分配机制,
构建了用户配对和时隙分配联合优化资源分配模型. 由于该模型直接利用深度强化学习(Deep …
构建了用户配对和时隙分配联合优化资源分配模型. 由于该模型直接利用深度强化学习(Deep …
频分多址系统分布式强化学习功率.
李烨， 司轲 - Application Research of Computers/Jisuanji …, 2023 - search.ebscohost.com
近年来, 深度强化学习作为一种无模型的资源分配方法被用于解决无线网络中的同信道干扰问题
. 然而, 基于常规经验回放策略的网络难以学习到有价值的经验, 导致收敛速度较慢; …
. 然而, 基于常规经验回放策略的网络难以学习到有价值的经验, 导致收敛速度较慢; …