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！

龙图腾网获悉内蒙古大学申请的专利一种基于深度强化学习的蜂窝异构网络资源分配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：CN114938543B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202210753100.6，技术领域涉及：H04W72/0453；该发明授权一种基于深度强化学习的蜂窝异构网络资源分配方法是由刘洋;赵鑫;连尹博;宋海鹏;龙旭东;罗易设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种基于深度强化学习的蜂窝异构网络资源分配方法在说明书摘要公布了：本申请公开了一种基于深度强化学习的蜂窝异构网络资源分配方法，包括如下步骤：S1：构建三层异构网络模型，获得三层异构网络模型的参数信息，其中，参数信息至少包括：可选行动列表、索引集合、信干噪比、下行链路容量和总传输容量；S2：完成构建后，通过MAPD3QN算法完成三层异构网络模型中的用户关联和信道分配的联合优化。本申请的能够在没有CSI的情况下进行优化，同时也能在大量用户和基站的情况下完成策略收敛。

本发明授权一种基于深度强化学习的蜂窝异构网络资源分配方法在权利要求书中公布了：1.一种基于深度强化学习的蜂窝异构网络资源分配方法，其特征在于，包括如下步骤： S1：构建三层异构网络模型，获得三层异构网络模型的参数信息，其中，参数信息至少包括：可选行动列表、索引集合、信干噪比、下行链路容量和总传输容量； S2：完成构建后，通过MAPD3QN算法完成三层异构网络模型中的用户关联和信道分配的联合优化； 其中，MAPD3QN算法的具体步骤如下： S201：输入三层异构网络模型中的可选行动列表，其中，可选行动列表包括：各个用户设备关联的基站的列表和信道的列表； S202：假设智能体后，对状态、动作、SumTree记忆存储器权值更新间隔N进行初始化； S203：通过在线网络的权值θ对在线网络Qus,au；θ和DoubleQ网络QDoubleQNets′,au；θ进行初始化； S204：通过在线网络的权值θ更新目标网络的权值θ-，根据目标网络的权值θ-初始化目标网络Qus′,a′u；θ-； S205：通过将消息传递至连接的基站初始化状态； S206：智能体在状态s下通过ε-greedy算法从在线网络Qus,au；θ中以概率ε随机选择一个动作au； S207：智能体向选定的基站发送请求，以访问选定的信道；如果基站向用户设备发送可用信道频率的反馈信号，用户设备将获得即时奖励μus,au；否则，基站将不回复任何内容，用户设备将获得负奖励； S208：智能体通过将消息传递至连接的基站获取状态s′； S209：智能体将数据s,au,μs,a,s′以概率p的最大优先级顺序存储在编号为H的SumTree记忆存储器中； S210：智能体将SumTree记忆存储器H中的数据s,a,μs,a,s′按最小批次的大小分成B个部分，根据概率p从B个部分中进行采样，获得多个样本； S211：计算所有样本的TD偏差η，更新SumTree记忆存储器H中所有节点的优先级； S212：通过目标网络Qs′,a′；θ获取最大Q值的动作a S213：根据最大Q值的动作a进行学习，获得更新的目标网络 S214：对损失函数进行更新，获得最小化损失函数； S215：每学习N次，智能体替换目标网络的权值θ＝θ； S216：当完成N次学习后，获得学习N次的状态集合s＝{1,...,1}，完成一轮学习，若当前不是最后一轮学习，则重新执行S201进行新一轮的学习，直到所有轮的学习均完成，则输出最优行动序列。

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内蒙古大学，其通讯地址为：010021 内蒙古自治区呼和浩特市赛罕区大学西街235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。