基于深度强化学习的通信网络资源分配方法

由于现有的资源分配方法吞吐量小，节点缓存压力大，提出基于深度强化学习的通信网络资源分配方法。首先，运用深度强化学习法提取数据特征，增强模型的学习能力。其次，根据当前的状态做出最佳的动作，选择对应的分配动作，调整资源比例。最后，构建异构网络模型，共享网络中的频谱资源。实验结果表明，当迭代次数增加到150次时，该方法的吞吐量达到平稳状态，优于对照组。