6G密集网络中基于深度强化学习的资源分配策略

杨凡; 杨成; 黄杰; 张仕龙; 喻涛; 左迅; 杨川

doi:10.11959/j.issn.1000-436x.2023148

您当前的位置：

首页 >

文章列表页 >

6G密集网络中基于深度强化学习的资源分配策略

学术通信 | 更新时间：2024-05-31

- 6G密集网络中基于深度强化学习的资源分配策略
- Resource allocation strategy based on deep reinforcement learning in 6G dense network
- 通信学报 2023年44卷第8期页码：215-227
- 作者机构：
  
  重庆理工大学电气与电子工程学院，重庆 400054
- 作者简介：
  
  [ "杨凡（1983- ），男，湖北广水人，博士，重庆理工大学副教授，主要研究方向为无线宽带自适应传输、无线通信网络、下一代移动通信技术、无线通信中的编码技术等" ]
  [ "杨成（1999- ），男，重庆人，重庆理工大学硕士生，主要研究方向为无线宽带物理层、智能物理层技术等" ]
  [ "黄杰（1988- ），男，重庆人，博士，重庆理工大学讲师，主要研究方向为无线通信理论、通信网络、下一代移动通信技术、认知无线电、无线通信资源分配等" ]
  [ "张仕龙（1996- ），男，河北保定人，重庆理工大学硕士生，主要研究方向为无线通信资源分配、下一代移动通信等" ]
  [ "喻涛（1999- ），男，重庆人，重庆理工大学硕士生，主要研究方向为认知无线电和无线通信资源分配" ]
  [ "左迅（1998- ），男，重庆人，重庆理工大学硕士生，主要研究方向为下一代无线通信技术、无线自组网技术等" ]
  [ "杨川（1999- ），男，重庆人，重庆理工大学硕士生，主要研究方向为无线通信网络、无线通信接入技术等" ]
- 基金信息：
  
  国家自然科学基金资助项目(62301094);重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0251);重庆市教育委员会科学技术研究计划基金资助项目(KJQN202101115);重庆市教育委员会科学技术研究计划基金资助项目(KJQN202201157);重庆市教育委员会科学技术研究计划基金资助项目(KJQN202301135);重庆理工大学国家自然科学基金和社会科学基金培育计划资助项目(2022PYZ017);重庆市巴南区科技基金资助项目(KY202208153976019);重庆理工大学科研创新团队培育计划基金资助项目(2023TDZ003);重庆理工大学研究生教育高质量发展行动计划基金资助项目(gzlcx20233076)
- DOI：10.11959/j.issn.1000-436x.2023148
  中图分类号： TN929.5
- 网络首发：2023-08，
  
  纸质出版：2023-08-25
- 稿件说明：
移动端阅览
杨凡, 杨成, 黄杰, 等. 6G密集网络中基于深度强化学习的资源分配策略[J]. 通信学报, 2023,44(8):215-227.

Fan YANG, Cheng YANG, Jie HUANG, et al. Resource allocation strategy based on deep reinforcement learning in 6G dense network[J]. Journal on Communications, 2023, 44(8): 215-227.
杨凡, 杨成, 黄杰, 等. 6G密集网络中基于深度强化学习的资源分配策略[J]. 通信学报, 2023,44(8):215-227. DOI： 10.11959/j.issn.1000-436x.2023148.

Fan YANG, Cheng YANG, Jie HUANG, et al. Resource allocation strategy based on deep reinforcement learning in 6G dense network[J]. Journal on Communications, 2023, 44(8): 215-227. DOI： 10.11959/j.issn.1000-436x.2023148.

浏览量

1578

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

智能网联汽车多样化服务场景下功率与频谱联合优化算法

多指标意图驱动的无人机计算卸载与轨迹规划自适应优化策略

基于资源时变图的通遥一体化星座资源分配策略

基于区域感知的通感算协同网络语义通信可靠性联合优化

面向能效最大化的自供电RIS辅助SWIPT物联网资源分配方法

6G密集网络中基于深度强化学习的资源分配策略

Resource allocation strategy based on deep reinforcement learning in 6G dense network

DOI：10.11959/j.issn.1000-436x.2023148