基于多智能体深度强化学习的下行多小区OFDMA资源分配方法

摘要

本发明公开了一种基于多智能体深度强化学习的下行多小区OFDMA资源分配方法。属于无线通信领域；具体步骤如下：1、构建多智能体网络；2、建立每个接收用户的信噪比及每个小区获得数据速率；3、状态获取；4、子信道分配；5、功率分配；6、反馈获取和参数更新。本发明是一种基于多智能体深度强化学习的方法，设计了多个DDQN网络和多个DDPG网络来联合解决子信道分配和功率分配问题，并采用集中训练、分散执行的模式，此方法降低了网络的输入输出维度、信令开销以及计算复杂度，可以有效地得到最优资源分配方案，与传统强化学习方法相比，提高了下行OFDMA系统中各小区的传输速率，进而提高了整个网络的性能。