跨层认知无线Mesh网络中多agent学习的功率分配策略

为了改善无线Mesh网络的无线电频谱的利用效率以及提高能源利用效率,提出跨层认知无线Mesh网络中多agent学习的功率分配策略。首先,通过多agent智能学习方法,将网络状态定位为一个有限状态马尔可夫决策过程,在环境状态变化时,通过任务来学习一个优化策略,最大化网络的资源和能量的总期望收益。其次,为了更好地节省网络能量,通过一种奖励机制和非合作博弈模式正式确定功率的分配问题,在每个环境状态下学习到最佳的功率分配策略。最后,实验仿真结果表明,该算法在提高频谱利用效率和能源效率上具有明显的效果。