一种基于多智能体强化学习的上行NOMA-URLLC资源分配方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及一种基于多智能体强化学习的上行NOMA‑URLLC资源分配方法,包括:将每个用户作为一个智能体生成DQN网络,优化目标设置为解码成功次数最大;获取每个用户的信道状态信息作为当前状态;将每个用户的当前状态输入DQN网络,生成每个用户的动作;根据每个用户的动作生成奖励及下一时刻状态;将当前状态、子信道分配动作和功率分配动作、奖励、下一时刻状态作为经验样本存储,并在达到一定数量后抽取训练DQN网络,直至达到优化目标。使用优化后的DQN网络进行每个用户的子信道分配及功率分配。本发明的方法利用DQN网络输出各个用户的子信道分配和功率分配动作,然后根据系统反馈的接入率调整分配方案,从而最大化用户传输成功的概率。
《一种基于多智能体强化学习的上行NOMA-URLLC资源分配方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022111292402,当前法律状态为已下证,由浙江工业大学提出申请,发明人为韩会梅;江鑫;卢为党;黄国兴;彭宏,申请日期为2022-09-16,公开(公告)日期为2025-02-07,国际专利分类号(IPC)为 H04W 24/02 (2009.01),高新资质:未报高企。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:本发明涉及一种基于多智能体强化学习的上行NOMA‑URLLC资源分配方法,包括:将每个用户作为一个智能体生成DQN网络,优化目标设置为解码成功次数最大;获取每个用户的信道状态信息作为当前状态;将每个用户的当前状态输入DQN网络,生成每个用户的动作;根据每个用户的动作生成奖励及下一时刻状态;将当前状态、子信道分配动作和功率分配动作、奖励、下一时刻状态作为经验样本存储,并在达到一定数量后抽取训练DQN网络,直至达到优化目标。使用优化后的DQN网络进行每个用户的子信道分配及功率分配。本发明的方法利用DQN网络输出各个用户的子信道分配和功率分配动作,然后根据系统反馈的接入率调整分配方案,从而最大化用户传输成功的概率。
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!
