CN114189939B 一种基于多智能体强化学习的动态跳波束与波束带宽分配方法 （清华大学）_第1页
CN114189939B 一种基于多智能体强化学习的动态跳波束与波束带宽分配方法 （清华大学）_第2页
CN114189939B 一种基于多智能体强化学习的动态跳波束与波束带宽分配方法 （清华大学）_第3页
CN114189939B 一种基于多智能体强化学习的动态跳波束与波束带宽分配方法 （清华大学）_第4页
CN114189939B 一种基于多智能体强化学习的动态跳波束与波束带宽分配方法 （清华大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

ReinforcementLearning-BasedFTerminals.IEEETRANSACTIONSONReinforcementLearning-BasedFTerminals.IEEETRANSACTIONSONBandwidthAllocationBasedonMultiDeepReinforcementLearningHoppingSatelliteSystems.IEEE一种基于多智能体强化学习的动态跳波束本发明公开了一种基于多智能体强化学习负责一个卫星波束的照射方向或者波束的带宽2步骤2、构建多智能体强化学习仿真系统模型，并对构建的仿真系统模型进行离线训策af,该决策af是指波束的照射位置或者带宽资源块个数；v.每个智能体将第t个时隙的经验(s,a:rs步骤4、所述运控中心或者星上载荷将每个时隙下每个小区的实时业务队列大小输入32.根据权利要求1所述的动态跳波束与波束3.根据权利要求1所述的动态跳波束与波4.根据权利要求1所述的动态跳波束与波束带宽分配方4如何合理的规划跳波束图案以及分配每个波束的带宽是一个具有5[0011]步骤4、所述运控中心或者星上载荷将每个时隙下每个小区的实时业务队列大小[0012]优选地，步骤2中所述多智能体强化学习仿真系统模型，包括多个强化学习智能[0018]ii.将全局状态st输入到所述每个智能体的Q网络，第k个智能体根据ε-贪婪算法6[0042]步骤4、所述运控中心或者星上载荷将每个时隙下每个小区的实时业务队列大小[0048]ii.将全局状态st输入到所述每个智能体的Q网络，第k个智能体根据ε-贪婪算法7做出决策af,该决策是指波束的照射位置或[0053]v.每个智能体将第t个时隙的经验(s,af,r,[0065]ii.将全局状态st输入到每个智能体的Q网络，第k个智能体根据ε-贪婪算法做出决策af,该决策是指波束的照射位置或者是被t8[0069]v.每个智能体将第t个时隙的经[0080]ii.将全局状态st输入到每个智能体的Q网络，第k个智能体根据ε-贪婪算法做出决策a;,该决策是指波束的照射位置或者是被分[0084]v.每个智能体将第t个时隙的经验(9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论