基于深度强化学习的移动通信资源管理方法

导出

摘要针对移动通信资源管理难度大等问题,提出了一种基于深度强化学习(DRL,Deep Reinforcement Learning)的移动通信资源管理方法.将深度学习的感知能力与强化学习的决策能力相结合,建立具备处理高维数据与支持动态学习特性的通信资源管理系统模型,利用DRL进行通信信道质量约束,优化通信信道稳定性能.通过仿真实验,验证了基于DRL算法的通信信道质量稳定,具有较强的资源调度效率,能够自适应地调整资源分配策略,以应对不同通信动态需求.

作者蓝颖华

机构地区中通服软件科技有限公司

出处《IT经理世界》 2024年第6期64-66,共3页

关键词移动通信资源管理深度学习强化学习

分类号 TN9 [电子电信—信息与通信工程]

引文网络
相关文献

参考文献7

1石珵,刘朋矩,杜治钢,张孙烜,周振宇,白晖峰,何国庆,孙文文,马跃.数字孪生辅助的智能楼宇多模态通信资源管理方法[J].电信科学,2023,39(1):60-71. 被引量：7
2刘静.基于网格化的移动通信网络资源与业务发展评估分析[J].电信工程技术与标准化,2022,35(4):44-48. 被引量：1
3吴迪,钱鹏智,陈勇.多无人机辅助通信中用户匹配与频谱资源联合优化方法[J].电讯技术,2023,63(11):1742-1749. 被引量：4
4宋芳,钱罕林,何薇.无线通信网络链路资源分布式智能调度算法[J].自动化技术与应用,2022,41(4):63-66. 被引量：5
5孙恩昌,袁永仪,吴兵,屈晗星,张延华.深度强化学习与移动通信资源管理:算法、进展与展望[J].北京工业大学学报,2023,49(1):71-88. 被引量：4
6沈国丽,李君,李正权.D2D通信中基于深度强化学习的资源分配[J].电子测量技术,2022,45(24):76-84. 被引量：5
7武明虎,金波,赵楠,王茹.基于深度强化学习的V2X频谱资源管理方法[J].光通信研究,2023(3):71-78. 被引量：3

二级参考文献32

1郑冰原,孙彦赞,吴雅婷,王涛.基于深度强化学习的超密集网络资源分配[J].电子测量技术,2020(9):133-138. 被引量：6
2米为民,荆铭,尚学伟,徐丹丹,蒋国栋,付辉.智能调度分布式一体化建模方案[J].电网技术,2010,34(10):6-9. 被引量：34
3徐丹丹,米为民,邓勇,叶飞,蒋国栋,陈郑平,沈松林.智能变电站与调度主站间模型/图形协调共享及无缝通信一体化建模方案[J].电网技术,2012,36(11):235-239. 被引量：21
4汪文娟,杨余旺,黄宇民,曹宏鑫.无线传感器网络节点通信抗干扰实验研究[J].计算机工程与应用,2013,49(9):102-105. 被引量：6
5尤肖虎,潘志文,高西奇,曹淑敏,邬贺铨.5G移动通信发展趋势与若干关键技术[J].中国科学：信息科学,2014,44(5):551-563. 被引量：723
6刘志禹.TD-LTE无线网络覆盖特性与发展探索[J].信息安全与技术,2015,6(8):19-20 37. 被引量：5
7李建敏.通信企业分区域投资分配模型研究[J].管理观察,2014(34):108-110. 被引量：1
8张宇,王鹏,刘澄澄,刘芳.基于HLA的无线通信网络抗干扰仿真系统研究[J].北京理工大学学报,2015,35(1):79-85. 被引量：5
9祁兵,王畅,李彬,陈宋宋,崔高颖.低压直流电力线载波通信系统设计[J].智能电网,2017,5(8):822-826. 被引量：10
10李松浓,胡晓锐,郑可,孙洪亮,侯兴哲,王毅.低压电力线载波通信信道衰减特性测量与分析[J].电力系统保护与控制,2018,46(4):99-106. 被引量：32

共引文献22

1谢兆亚.面向5G网络的智能化无线资源管理与调度算法研究[J].中国宽带,2023,19(7):74-76.
2吴灏,许晓,彭紫楠,王少博,郭宁辉,王淇锋.基于变电站试验现场移动式智慧实验室系统研究[J].电测与仪表,2023,60(3):79-85.
3周晨,杨春兰,张剑东.基于5G网络切片的数据链动态资源分配算法[J].指挥信息系统与技术,2023,14(1):30-34. 被引量：4
4赵亮.有关无线通信网络多节点资源的均衡配置方法研究[J].中国新通信,2023,25(8):1-2.
5陈利锋.基于强化学习的无线通信网络信道状态估计算法研究[J].现代电子技术,2023,46(20):159-162.
6林诚章,吴涛,周启钊,陈曦.无人机辅助MEC系统中面向用户公平性的三维部署和卸载优化[J].计算机系统应用,2024,33(1):157-166.
7秦鑫彤,宋政育,侯天为,王飞越,孙昕,黎伟.基于自适应p持续的移动自组网信道接入和资源分配算法[J].计算机应用,2024,44(3):863-868.
8杨阳,陈亚鹏,舒乙凌,谢文正,于子淇,周振宇.面向配电网数字孪生模型构建的边缘协作方法[J].电网技术,2024,48(3):1053-1061. 被引量：1
9吴启晖,董超,贾子晔,崔灿,冯斯梦,周福辉,谢华.低空智联网组网与控制理论方法[J].航空学报,2024,45(3):1-18.
10王子威,李晖,史振婷,张见,陶旭.柔性双工网络中基于图神经网络的能源效率联合优化方法[J].国外电子测量技术,2024,43(3):1-9.

1何明,柴二亮,何亮,李思尧,严铿博,佘乐欣.考虑台区终端检修需求的配网储能优化配置[J].能源与环保,2024,46(10):244-249.
2林哲豪,潘李航,刘晨宇,陈潮,卢浩翔.基于区块链技术的警务电子证据管理系统模型[J].网络安全技术与应用,2024(11):138-143.
3王朝霞.课程思政与小学语文教学的融合措施[J].美眉,2024(10):0034-0036.
4罗成敏,王涛.基于BP-L_(2)混合算法的线性混合效应模型在帕金森病语音信号中的应用[J].现代信息科技,2024,8(19):158-163.
5原野.寒冷地区高铁站完整乘车过程的乘客热舒适动态需求[J].世界建筑,2024(11):50-51.
6Wenjun KE,Ziyu SHANG,Zhizhao LUO,Peng WANG,Yikai GUO,Qi LIU,Yuxuan CHEN.Unveiling factuality and injecting knowledge for LLMs via reinforcement learning and data proportion[J].Science China(Information Sciences),2024,67(10):385-386.
7王聪.信息技术在幼儿园数学教学活动中的有效应用[J].快乐巧连智,2024,25(12):52-54.
8黄杰,李幸星,杨凡,丁睿杰,蔡杰良,姚凤航,张鑫.基于图卷积神经网络的超密集物联网资源分配策略[J].通信学报,2024,45(10):243-252.
9符晗,李沁怡.基于用户动态需求的移动医疗APP适老化界面设计研究[J].包装工程,2024,45(20):392-401.
10李想,杨刚.以创新能力培养为导向的光纤光学实验课程体系重构与实践[J].实验室科学,2024,27(5):110-114.

IT经理世界

2024年第6期

浏览历史

内容加载中请稍等...

基于深度强化学习的移动通信资源管理方法

参考文献7

二级参考文献32

共引文献22

相关作者

相关机构

相关主题

浏览历史