基于联邦深度强化学习的车联网资源分配 |
| |
作者姓名: | 王晓昌 吴璠 孙彦赞 吴雅婷 |
| |
作者单位: | 上海大学上海先进通信与数据科学研究院 上海200444;上海大学特种光纤与光接入网重点实验室 上海200444;上海大学特种光纤与先进通信国际合作联合实验室 上海200444;上海大学经济学院 上海200444 |
| |
基金项目: | 国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 车辆通信(V2X)能够有效地提高交通安全性和移动性,是车辆部署场景中的关键技术之一.V2X通信链路需要满足不同应用的服务质量(QoS)要求,如车对车(V2V)链路的延迟和可靠性要求.面向车辆高速移动性导致的无线信道快速变化,为保证不同车辆链路的QoS约束和车辆动态网络的鲁棒性,提出一种基于联邦深度强化学习(FDRL)的...
|
关 键 词: | 车辆通信 深度强化学习 资源分配 联邦学习 |
本文献已被 万方数据 等数据库收录! |
|