文献类型：期刊文章

作　　者：李孜恒[1] 孟超[2]

LI Zi-heng;MENG Chao(College of Computer Science and Engineering,Anhui University of Science and Technology,Huainan Anhui 232001,China;School of Networks and Telecommunications Engineering,Jinling Institute of Technology,Nanjing Jiangsu 211169,China)

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232001 [2]金陵科技学院网络与通信工程学院,江苏南京211169

出　　处：《通信技术》

基　　金：东南大学移动通信国家重点实验室开放研究基金(No.2020D18);金陵科技学院高层次人才科研启动项目(No.40620044)。

年　　份：2020

卷　　号：53

期　　号：8

起止页码：1913-1917

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：针对未知的动态环境和复杂的网络状态,无线网络同频信道内信号相互干扰的问题,提出了一种基于深度强化学习的无线网络信道和功率分配算法。通过将深度学习和强化学习算法结合构建神经网络,以能量效率作为奖惩值,使用经验池保存历史数据,运用梯度下降法训练网络的权值参数,使算法具有自主分配和决策能力,能够根据环境状态动态调整信道和功率分配,得到接近最优的分配策略。

关 键 词：深度强化学习  能量效率 资源分配 无线网络

分 类 号：TN929.5]