为应对无线网络用户激增导致的高吞吐量需求，针对宏微异构网络干扰场景，提出一种基于多智能体强化学习的小区范围扩展（CRE）偏置动态优化算法。基于协作多智能体强化学习的值分解网络框架，通过合理利用并在微微基站间交互系统内用户分布及其所受干扰水平，实现所有微微基站的个性化CRE偏置值在线本地化决策。仿真结果表明，与CRE=5 dB、分布式Q-Learning算法相比，所提算法在提高系统吞吐量、均衡各基站吞吐量及改善边缘用户吞吐量方面具有明显优势。
科研之友
微信
新浪微博
Facebook
分享链接
