原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明揭示了一种基于深度增强学习的网络资源分配方法，包括如下步骤：S1、建立基于缓存的CSCN的下行传输链路系统模型，通过分析用户使用模型中不同链路的数据传输速率计算SBS的数据传输速率；S2、提出博弈问题，以最大化网络吞吐量为目标，使用博弈论将问题公式化为一个多智能体非合作博弈问题；S3、使用LSTM模型来预测用户的移动模式，SBS根据用户的移动模式以及用户所连接的SBS的缓存状态来选择传输条件最优的用户；S4、建立RL‑LSTM框架，使得SBS完成对信道资源的有效分配。本发明充分考虑了用户的
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 109788566 A
(43)申请公布日
2019.05.21
(21)申请号 20191
文档评论（0）