一种基于深度强化学习的异构云无线接入网资源分配方法

发明专利有效专利

申请号：
CN201910804972.9
IPC分类号：H04W28/16;H04W28/02
申请日期：
2019-08-28
申请人：
重庆邮电大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度强化学习的异构云无线接入网资源分配方法
申请号	CN201910804972.9	申请日期	2019-08-28
法律状态	实质审查	申报国家	中国
公开/公告日	2019-11-22	公开/公告号	CN110493826A
优先权	暂无	优先权号	暂无
主分类号	H04W28/16 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04W 无线通信网络〔2009.01〕 H04W28/00 网络业务量或资源管理〔2009.01〕 H04W28/16 中央资源管理；资源协商，例如协商带宽或QoS〔服务质量〕〔2009.01〕	IPC分类号	H;0;4;W;2;8;/;1;6;;;H;0;4;W;2;8;/;0;2查看分类表>
申请人	重庆邮电大学	申请人地址	重庆市南岸区黄桷垭崇文路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆邮电大学	当前权利人	重庆邮电大学
发明人	陈前斌;管令进;魏延南;胡彦娟;曹睿;唐伦
代理机构	北京同恒源知识产权代理有限公司	代理人	赵荣之

摘要

本发明涉及一种基于深度强化学习的异构云无线接入网资源分配方法，属于移动通信技术领域。在该方法中，包括：1)以队列稳定为约束，联合拥塞控制、用户关联、子载波分配和功率分配，并建立网络总吞吐量最大化的随机优化模型；2)考虑到调度问题的复杂性，系统的状态空间和动作空间是高维的，DRL算法利用神经网络作为非线性近似函数，高效地解决维度灾难题；3)针对无线网络环境的复杂性和动态多变性，引入迁移学习算法，利用迁移学习的小样本学习特性，使得DRL算法在少量样本的情况下也能获得最优的资源分配策略。本方法能够在最大化整个网络总吞吐量同时，满足业务队列稳定性的要求。在移动通信系统中有很高的应用价值。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供