公开(公告)号：CN118301671A

公开(公告)日：2024-07-05

申请号：CN202410498394.1

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  伍思俊 ,  唐桐 ,  祝志远 ,  王汝言 ,  张鸿

IPC: H04W28/084 ,  H04W28/08 ,  H04W28/082 ,  H04W4/40 ,  H04L67/12 ,  H04L67/10

Abstract: 本发明涉及一种环境感知的多用户协同资源分配方法，属于无线通信车联网领域。该方法包括：S1：将用户任务分为时延任务以及非时延任务，并通过用户协作以及卸载的方式进行完成；S2：构建在车联网中多用户差异化服务质量优化场景，从用户的发射功率、频段选择以及边缘节点为完成任务所分配的资源进行优化以提升用户的用户QoS；S3：将原始任务拆解为两个子问题进行求解；S4：为克服车联网由于车辆高速移动性导致信道状态动态变化的特点，将两个子问题构建为马尔可夫过程，并分别通过MADRL算法以及DRL算法进行求解，以实现环境感知资源分配的目的。

公开(公告)号：CN118536547A

公开(公告)日：2024-08-23

申请号：CN202410498390.3

申请日：2024-04-24

Applicant: 重庆邮电大学

Inventor： 吴大鹏 ,  伍思俊 ,  唐桐 ,  祝志远 ,  王汝言 ,  张鸿

IPC: G06N3/045 ,  G06N3/0495 ,  G06N3/098 ,  G06N3/092 ,  G06N5/04 ,  G06N5/043

Abstract: 本发明涉及一种轻量化强化学习算法，属于计算机强化学习领域。该方法包括：S1：构建基于序贯交替多智能体机制的强化学习模型；S2：对该模型的状态、动作、奖励、策略以及价值函数书写进行定义；S3：对所提的模型进行理论分析，结合多智能体中合作与竞争的关系以及强化学习中确定性策略以及随机性策略进行理论分析该方式可以获得理论最优值。S4：构建具体的仿真模型，以进行性能比对。本发明在不降低系统性能的前提条件下，实现了算法轻量化。