公开(公告)号：CN116456493A

公开(公告)日：2023-07-18

申请号：CN202310426343.3

申请日：2023-04-20

Applicant: 无锡学院

Inventor： 李君 ,  刘兴鑫 ,  刘子怡 ,  沈国丽 ,  张茜茜 ,  李晨

IPC: H04W72/40 ,  H04W72/50 ,  H04W72/543 ,  H04W52/02 ,  H04W24/02 ,  G06N3/045 ,  G06N3/092 ,  G06N7/01

Abstract: 本发明公开了一种基于深度强化学习算法的D2D用户资源分配方法及存储介质，涉及无线通信技术领域。所述方法包括：构建无线网络模型，对D2D发射功率进行离散化处理；构建用户信噪比计算模型，以通信系统吞吐量最大为优化目标；设置预测策略网络π、预测价值网络Q、目标策略网络π′和目标价值网络Q'；将D2D通信环境建模为马尔可夫决策过程，将D2D发射机视为智能体，循环加载目标策略网络的参数后生成策略与环境进行交互，确定状态空间、动作空间及奖励函数；采用MAAC算法对每个D2D用户进行策略优化；采用软更新方式循环更新目标策略网络和目标价值网络的参数，直至完成学习训练；D2D用户下载完成训练的目标策略网络的参数，进行策略改进。

公开(公告)号：CN116709546A

公开(公告)日：2023-09-05

申请号：CN202310429288.3

申请日：2023-04-20

Applicant: 无锡学院

Inventor： 李君 ,  刘兴鑫 ,  刘子怡 ,  沈国丽 ,  张茜茜 ,  李晨

IPC: H04W72/40

Abstract: 本发明公开了一种基于强化学习的能量收集D2D通信资源分配方法及存储介质，涉及无线通信技术领域。所述方法包括：构建无线网络模型；构建无线网络模型的优化问题；将优化问题转化为马尔可夫决策过程，确定智能体、状态空间、动作空间及奖励函数；采用深度强化学习方法，对每个智能体进行自主学习，得到通信资源分配方案；其中，所述深度强化学习方法中引入PPO算法限制更新幅度。相较于现有技术，本发明克服了传统通信终端仅依靠电池功能的限制，在高速传输信息的同时，通过PPO算法应对复杂多变的通信场景。