基于图卷积神经网络的超密集物联网资源分配策略

针对超密集物联网(UD-IoT)中存在大量隐藏终端干扰严重影响资源管理问题,提出了一种基于图卷积神经网络的深度确定性梯度的超密集物联网资源分配策略。通过矩阵变换构建冲突图模型,采用极大团和超图理论将冲突图模型转化为冲突超图模型,进而将无冲突资源分配问题转化为超图顶点着色问题,并提出了一种基于图卷积神经网络的深度确定性梯度的超密集物联网资源分配算法,采用图卷积强化学习实现无冲突资源分配和资源复用率最大化。仿真实验表明,所提算法具有更高的资源复用率和吞吐量,可以在超密集物联网中提供更好的性能。