基于强化学习的认知车联网资源分配方案

与传统的认知物联网不同,认知车联网(Cognitive Internet of Vehicles,CIoV)的特点是车辆具有高移动性,这就导致了信道状态信息(Channel State Information,CSI)的快速变化,因此难以获得完美的CSI。在这一背景下,研究了CIoV的联合信道分配和功率控制的资源分配问题,旨在最大限度地提高所有车辆用户的总吞吐量。此外,提出了一种混合深度强化学习算法,以解决离散的信道分配和连续的功率控制。仿真实验表明,与其他未考虑未知CSI的方案相比,所提方案有效地提高了CIoV的总吞吐量。