Abstract：
为了解决无法与边缘服务器建立直连通信链路的盲区边缘用户卸载任务的问题,设计了一个基于深度强化学习(deep reinforcement learning,DRL)的智能反射面(intelligent reflecting surface,IRS)辅助非正交多址(non-orthogonal multiple access,NOMA)通信的资源分配优化算法,以获得由系统和速率和能源效率(energy efficiency,EE)加权的最大系统收益,从而实现绿色高效通信.通过深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法联合优化传输功率分配和IRS的反射相移矩阵.仿真结果表明,使用DDPG算法处理移动边缘计算(mobile edge computing,MEC)的通信资源分配优于其他几种对比实验算法.
Keyword：
Reprint Author's Address：
Email：
Source ：
北京工业大学学报
ISSN： 0254-0037
Year： 2024
Issue： 8
Volume： 50
Page： 930-938
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
