深度强化学习与移动通信资源管理:算法、进展与展望
深度强化学习(deep reinforcement learning,DRL)将深度学习从高维数据提取低维特征的能力与强化学习的决策能力相结合,是移动通信资源管理与优化的高效算法之一.在引入DRL相关算法概念与原理的基础上,重点对DRL在网络切片、云计算、雾计算、移动边缘计算等通信技术与场景中的资源管理与优化效果进行综述与分析,结合DRL在移动通信资源管理的算法原理与研究进展,论述了DRL面临的问题与挑战,并提出相应解决思路.最后,展望了DRL在移动通信资源管理领域的发展趋势和主要研究方向.
深度强化学习(deep reinforcement learning、DRL)、通信资源管理、网络切片、云计算、雾计算、移动边缘计算
49
TN929.5
国家自然科学基金;教育部国家留学基金;北京市博士后工作经费资助项目
2023-01-09（万方平台首次上网日期，不代表论文的发表时间）
共18页
71-88
