欢迎访问《空军工程大学学报》官方网站!

咨询热线:029-84786242 RSS EMAIL-ALERT
基于深度强化学习的卫星信道动态分配算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61871474)


A Dynamic Allocation Algorithm of Satellite Channels Based on Deep Reinforcement Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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。

    Abstract:

    In satellite communication systems, frequencies and channels are very rare resources. How to use reliable and efficient methods to develop resources has become a severe problem that needs to be solved urgently. This paper proposes a dynamic satellite channels allocation algorithm DRLDCA. This algorithm is to model satellite and environment interaction on a Markov decision making process, improving satellite decision making ability through environmental feedback, realizing efficient response to user business requests, improving the service quality of satellite communication, and reducing the probability of communication blocking. The simulation analysis shows that the proposed algorithm can effectively improve the communication throughput and reduce the communication blocking rate.

    参考文献
    相似文献
    引证文献
引用本文

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,2022,23(2):61-67

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-05-20
  • 出版日期: