基于深度强化学习的V2V通信资源分配

作     者：丁佳华 翟亚红 徐龙艳 Ding Jiahua;Zhai Yahong;Xu Longyan

作者机构：湖北汽车工业学院电气与信息工程学院湖北十堰442002 

出 版 物：《湖北汽车工业学院学报》 (Journal of Hubei University Of Automotive Technology)

年 卷 期：2023年第37卷第3期

页      面：27-30,38页

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省教育厅科研计划重点项目(D20211802) 

主　　题：V2V通信 资源分配 深度强化学习 

摘      要：在集中式的资源管理结构中,基站作为决策节点收集数据的时延较高,为此提出了基于深度强化学习的联合信道和功率等级分配的分布式自主方案。首先确定车对基础设施链路分配方案,然后根据车与车链路与环境交互情况选择信道和传输功率,计算奖励函数,更新Q网络并选择策略。结果表明,车与车链路满足链路时延约束和容量要求,同时也降低了对车与基础设施链路的干扰,提升了通信性能。