基于GCN-DDPG的超密集物联网资源分配方法及系统
本发明涉及D2D辅助的超密集物联网技术领域,具体公开了一种基于GCN‑DDPG的超密集物联网资源分配方法及系统,包括步骤:构建超密集物联网的通信模型;根据通信模型建立冲突图;将冲突图简化为冲突超图;基于所述冲突超图采用基于图卷积神经网络的深度强化学习模型即GCN‑DDPG模型对超密集物联网进行资源分配。本发明通过构建冲突图模型来分析资源复用冲突关系,将冲突图模型转化为冲突超图模型同时分析多个传输链路(transmission link,TL)之间的冲突关系,并将资源分配问题转化到超图的顶点强着色问题。最后提出了基于图卷积强化学习算法(GCN‑DDPG)的无冲突资源分配策略。实验结果表明,与对比算法相比,本算法具有更高的网络资源重用率和吞吐量,在D2D辅助的UD‑IoE中具有更好的性能。
《基于GCN-DDPG的超密集物联网资源分配方法及系统》是一发明专利,专利号为 2023116585955,当前法律状态为已下证,由重庆理工大学提出申请,发明人为黄杰;李幸星;杨凡;杨成;喻涛;张仕龙;姚凤航,申请日期为2023-12-06,公开(公告)日期为2024-07-16,国际专利分类号(IPC)为 H04L 41/16 (2022.01),高新资质:未报高企,所属技术领域包括:物联网/智慧城市/智能工厂/智能制造/远程医疗。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及D2D辅助的超密集物联网技术领域,具体公开了一种基于GCN‑DDPG的超密集物联网资源分配方法及系统,包括步骤:构建超密集物联网的通信模型;根据通信模型建立冲突图;将冲突图简化为冲突超图;基于所述冲突超图采用基于图卷积神经网络的深度强化学习模型即GCN‑DDPG模型对超密集物联网进行资源分配。本发明通过构建冲突图模型来分析资源复用冲突关系,将冲突图模型转化为冲突超图模型同时分析多个传输链路(transmission link,TL)之间的冲突关系,并将资源分配问题转化到超图的顶点强着色问题。最后提出了基于图卷积强化学习算法(GCN‑DDPG)的无冲突资源分配策略。实验结果表明,与对比算法相比,本算法具有更高的网络资源重用率和吞吐量,在D2D辅助的UD‑IoE中具有更好的性能。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
