基于多智能体强化学习算法的认知物联网资源分配方法组成比例

本发明专利技术涉及一种基于多智能体强化学习算法的认知物联网资源分配方法。针对高速移动下的认知物联网的联合信道选择与功率控制资源分配问题，考虑车辆与车辆之间的通信，主用户占用频谱的随机性、信道状态的高度动态变化以及车辆间通信的时效性要求等难点，将问题建模为马尔可夫决策过程。使用多智能体强化学习方法，让车辆用户充当智能体，收集局部观测信息并通过算法决定自身传输策略，得到最优的资源分配方案。相较于其他对比方案，改进后的多智能体近端策略优化算法的认知物联网资源分配方案能够明显降低车辆用户的平均信息年龄。

【技术实现步骤摘要】

本专利技术涉及一种基于多智能体强化学习算法的认知物联网资源分配方法。

技术介绍

1、由于互联网与信息技术的不断发展，物联网(internet ofthings，iot)已经逐渐成为了一个重要的技术和应用领域。在iot中，各种设备和传感器都具备了智能化的数据采集和交换能力，这些设备可以通过无线通信技术(如wi-fi、蓝牙、nfc等)连接到互联网，形成一个庞大的网络。

2、iot的应用领域非常广泛，如智能家居、智慧城市、智能制造、智能交通、智能医疗等等]。在智能家居中，用户可以通过手机或其他智能设备控制家中的电器、照明和安防等设备，实现家庭设备的智能化管理和控制。在智慧城市中，iot可以实现对城市基础设施、交通、公共安全等方面的监测和管理，提高城市的管理和服务水平。在智能制造中，iot可以实现生产设备的自动化控制和优化，提高生产效率和质量。

3、由于接入iot的设备不断增多，iot面临着严峻的频谱短缺问题。尤其是在商场、医院、工厂等场所，大量的iot设备需要使用频谱资源进行通信和数据传输，频谱资源供不应求的状况越来越严重。这种情况不仅会本文档来自技高网...

【技术保护点】

1.一种基于多智能体强化学习算法的认知物联网资源分配方法，其特征在于，针对高速移动下的认知物联网的联合信道选择与功率控制资源分配问题，考虑车辆与车辆之间的通信，存在的主用户占用频谱的随机性、信道状态的高度动态变化以及车辆间通信的时效性的要求，将资源分配问题建模为马尔可夫决策过程；使用多智能体强化学习方法，让车辆用户充当智能体，收集局部观测信息并通过计算决定自身传输策略，得到最优的资源分配方案。

2.根据权利要求1所述的基于多智能体强化学习算法的认知物联网资源分配方法，其特征在于，该方法具体实现如下：

【技术特征摘要】

1.一种基于多智能体强化学习算法的认知物联网资源分配方法，其特征在于，针对高速移动下的认知物联网的联合信道选择与功率控制资源分配问题，考虑车辆与车辆之间的通信，存在的主用户占用频谱的随机性、信道状态的高度动态变化以及车辆间通信的时效性的要求，将资源分配问题建...

【专利技术属性】
技术研发人员：王俊，王嵘，林瑞全，裴海，陈文城，徐浩东，王永龙，
申请(专利权)人：福州大学，
类型：发明
国别省市：