典型文献
基于深度强化学习的卫星信道动态分配算法
文献摘要：
在卫星通信系统中,频率和信道是十分珍稀的资源,针对如何利用可靠且高效的方法来进行资源的开发这一亟需解决的难题,提出了一种基于Q-learning深度强化学习的动态卫星信道分配算法DRL-DCA,该算法将卫星和环境交互建模为马尔科夫决策过程,通过环境的反馈提升卫星的决策能力,实现用户业务请求的高效应答,提升卫星通信的服务质量,降低通信阻塞发生概率.仿真分析表明该算法能够有效地提升通信的吞吐量,降低通信的阻塞率.
文献关键词：
卫星通信;深度学习;Q算法
中图分类号：
作者姓名：
唐一强;杨霄鹏;肖楠;朱圣铭
作者机构：
空军工程大学信息与导航学院,西安,710077
文献出处：
引用格式：
[1]唐一强;杨霄鹏;肖楠;朱圣铭-.基于深度强化学习的卫星信道动态分配算法)[J].空军工程大学学报,2022(02):61-67
A类：
B类：
深度强化学习,动态分配,分配算法,卫星通信系统,珍稀,learning,信道分配,DRL,DCA,交互建模,马尔科夫决策过程,决策能力,现用,务请,请求,发生概率,吞吐量,阻塞率
AB值：
0.393097
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
