买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉无锡学院申请的专利一种异构网络中基于强化学习的动态资源分配优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116095690B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310065762.9，技术领域涉及：H04W16/10；该发明授权一种异构网络中基于强化学习的动态资源分配优化方法是由李君;刘子怡;刘兴鑫;李晨设计研发完成，并于2023-01-17向国家知识产权局提交的专利申请。

本一种异构网络中基于强化学习的动态资源分配优化方法在说明书摘要公布了：本发明公开了一种异构网络中基于强化学习的动态资源分配优化方法，步骤1：建立异构网络模型，明确以能量效率为最大的优化目标；将宏基站看作智能体，建立马尔可夫决策过程，确定状态空间、动作空间和奖励函数；划分宏基站覆盖区域和异构网络带宽；通过D3QN网络训练异构网络模型，设定宏基站和小基站的最大发射功率，计算宏基站到用户的信干噪比，最小化损失函数；在duelingDQN网络中引入doubleDQN网络以获得值函数和优势函数，确定最优的异构网络超参数K和β，最大化异构网络的能量效率，实现动态资源分配优化。本发明提出集中强化学习框架的异构网络模型，以实现动态资源分配的全局最优，提出用D3QN网络来优化负载均衡和干扰协调，最大化异构网络的能量效率，实现动态资源分配优化。

本发明授权一种异构网络中基于强化学习的动态资源分配优化方法在权利要求书中公布了：1.一种异构网络中基于强化学习的动态资源分配优化方法，其特征在于，包括以下步骤： 步骤1：建立异构网络模型，明确以能量效率为最大的优化目标，异构网络模型由宏基站、小基站以及用户组成；将宏基站看作智能体，建立马尔可夫决策过程，确定状态空间、动作空间和奖励函数； 步骤2：划分宏基站覆盖区域和异构网络带宽；通过D3QN网络训练异构网络模型，所述D3QN网络包括doubleDQN网络和duelingDQN网络； 步骤2中通过D3QN网络训练异构网络模型具体为， 步骤2.1：根据状态st、动作at和奖励rt，将产生的st，at，rt，st+1存储在异构网络回放池存储器D中； 步骤2.2：判断回放池存储器D中的数据是否达到一定数量，若达到一定数量，开始训练异构网络直到收敛；若没有达到一定数量，继续步骤2.1； 步骤2.3：智能体为宏基站，采用D3QN网络作为策略，智能体的状态输入为整个异构网络的测量值，动作空间输出为异构网络超参数K和β的值； 步骤2.4：智能体不断与异构网络交互，并根据反馈更新D3QN网络的权重；设定强化学习框架，状态设为所有用户和每个基站之间的信道增益； 步骤2.5：动作空间设为智能体需要选择的异构网络超参数K和β的值，作为联合UARA问题的解决方案，即动作空间为at={K1Kpβ1βQ}，p为PSD共享信道数的可能值，Q为信干噪比阈值的可能值；输入状态，智能体计算每个超参数K值的概率和每个超参数β值的概率；动作空间为； 步骤2.6：奖励设为，为能量效率函数；wn为用户权重，异构网络中所有用户具有相同的优先级，； 步骤2.7：按照迭代次数对异构网络模型进行训练，得到训练好的异构网络模型； 步骤3：计算宏基站到用户的信干噪比，设定宏基站和小基站的最大发射功率，最小化损失函数； 步骤4：在duelingDQN网络中引入doubleDQN网络以获得值函数和优势函数，确定最优的异构网络超参数K和β，最大化异构网络的能量效率，实现动态资源分配优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。