基于注意力辅助DDQN的超密集网络资源分配优化
作者机构：华北理工大学人工智能学院 河北省工业智能感知重点实验室
出 版 物：《无线电通信技术》 (Radio Communications Technology)
年 卷 期：2024年
学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 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]
基 金：国家自然科学基金区域创新发展联合基金重点资助项目(U21A20114)
摘 要：针对超密集网络中存在的强干扰、用户移动和路径损耗差异等问题，提出了一种基于深度强化学习的功率资源分配方法。首先，设计了基于多头注意力机制的特征增强框架，以更好地捕捉由于用户移动引起的网络动态变化。其次，构建了一种基于双重深度Q网络的资源分配策略选择方法，从而提高面对路径损耗差异时资源分配的稳定性。仿真结果表明，所提方法在平均速率、平均奖赏和稳定性方面均优于现有的资源分配算法，从而实现了超密集网络环境下高效稳定的资源分配。
同方期刊数据库