基于马尔可夫博弈的运营商竞争切片强化学习方法

摘要

本发明公布了一种基于马尔可夫博弈的运营商竞争切片强化学习方法，包括如下步骤：S1、通过马尔可夫博弈模型表示运营商切片的竞争过程；S2、在初始的马尔可夫阶段状态，构建零和博弈模型，利用极大极小值算法将其等价为线性规划问题，求解初始最优混合策略；S3、在马尔可夫状态转变的过程中，运营商利用Boltzmalm概率分布法选择博弈的策略；S4、通过Q‑Learning算法更新