基于深度强化学习的卫星信道动态分配算法

作者:唐一强; 杨霄鹏; 肖楠; 朱圣铭
更新时间:

在卫星通信系统中,频率和信道是非常稀缺的资源。针对如何使用可靠、高效的方法开发资源这一迫切问题,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。该算法将卫星与环境的交互建模为马尔可夫决策过程,通过环境反馈提高卫星的决策能力,实现对用户业务请求的高效响应,提高卫星通信的服务质量,降低通信拥塞概率。仿真分析表明,该算法可以提高有效地地区的通信吞吐量,减少阻塞率。