面向多用户利益的多智能体强化学习功率分配方法

摘要

本发明公开一种面向多用户利益的多智能体强化学习功率分配方法，具体步骤如下：智能体对每个次用户进行动作值的选择并获取认知无线电功率分配环境的状态值，得到奖励值，并将每一次算法执行后的动作值、状态值、奖励值和一下状态值保存在次用户的优先经验池中，利用优先经验池对算法进行训练，最后将训练完成后的算法应用到认知无线电功率分配环境中，完成无线电功率分配过程。该方案将多智能体强化学习算法进行改进，将改进后的算法和功率分配结合在一起，同时对认知无线电网络环境的奖励函数进行改进，能让更多次用户成功接入信道的动作拥有更高的价值，解决了多智能体强化学习算法运用到功率分配中容易造成的智能体“功利”行为问题。