一种基于Q-Learning的蜂窝网络中D2D通信资源分配策略

摘要

为了缓解频谱资源压力,提高频谱利用率,将D2D通信技术引入现有的通信系统,从而提高通信系统的吞吐量,降低时延以及提高频谱资源的利用率,从资源分配的角度研究了D2D接入传统蜂窝网络方案,提出多Agent共同决策算法,该算法将每对D2D用户看作一个Agent,参与到马尔科夫决策中,并通过Q学习算法进行求解.通过仿真验证,在学习率为0.7时,D2D对的接人可以在有限的频谱资源上有效地提高系统的吞吐量,缩短达到最大吞吐量的时间.