电子科技大学2025年通信工程(5G技术)试验班毕业设计选题及答案.docxVIP

电子科技大学2025年通信工程(5G技术)试验班毕业设计选题及答案

选题一：基于多智能体强化学习的5G网络切片动态资源分配策略研究

5G网络切片通过软件定义网络（SDN）和网络功能虚拟化（NFV）技术，将物理网络划分为逻辑隔离的虚拟子网，以适配增强移动宽带（eMBB）、超可靠低时延（URLLC）、大规模机器类通信（mMTC）等差异化业务需求。然而，现有切片资源分配多依赖静态配置或基于规则的启发式算法，难以应对用户行为、业务类型和网络负载的动态变化，导致资源利用率低、服务质量（QoS）波动大等问题。

本课题聚焦动态场景下的切片资源优化，研究内容包括：（1）构建多维度的网络状态感知模型，融合切片类型（eMBB/URLLC/mMTC）、用户密度、业务优先级、实时吞吐量、时延及丢包率等关键指标，形成高维状态空间；（2）设计多智能体强化学习（MARL）框架，每个切片对应一个智能体，通过协作与竞争机制优化资源分配策略，其中状态输入为切片实时需求与全局资源池状态，动作输出为计算、存储、带宽等资源的动态调整量，奖励函数综合考虑切片QoS达标率（如URLLC时延≤10ms、eMBB速率≥100Mbps）与全局资源利用率（如避免资源碎片）；（3）针对传统强化学习收敛速度慢、易陷入局部最优的问题，引入迁移学习技术，利用历史场景的策略知识加速新场景下的训练，并结合优先经验回放（PER）机制提升样本