基于协同多智能体值分解的频谱共享

摘要

在随机博弈频谱竞拍机制模型的基础上,给出基于值分解多智能体合作的频谱管理算法,算法不需要状态转移概率,考虑次用户之间的合作,把团队奖励分解为次用户的价值函数,之后将误差反向传播给各个次用户的价值函数.团队奖励分解可避免出现虚假奖励信号,提高了学习效率.