-
公开(公告)号：CN111083767B
公开(公告)日：2021-07-27
申请号：CN201911338954.2
申请日：2019-12-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度强化学习的异构网络选择方法。步骤1：业务类型提取特征；步骤2：提取距离特征；步骤3：根据整体网络环境，提取用户特征；步骤4：获得用户当前状态特征；步骤5：建立异构网络，通过马尔科夫决策实现；步骤6：将步骤1‑步骤3提取的特征代入深度强化学习模型；步骤7：根据移动性特征和业务属性特征，定义强化学习的即时奖励；步骤8：利用DQN求解异构网络选择问题。本发明在充分考虑到网络负载情况的同时，对会话的业务属性和终端的移动性以及终端在网络中所处位置的不同进行区分，通过与外界网络环境不断的试错学习能够不断调整自身的动作选择策略。
-
公开(公告)号：CN111083767A
公开(公告)日：2020-04-28
申请号：CN201911338954.2
申请日：2019-12-23
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度强化学习的异构网络选择方法。步骤1：业务类型提取特征；步骤2：提取距离特征；步骤3：根据整体网络环境，提取用户特征；步骤4：获得用户当前状态特征；步骤5：建立异构网络，通过马尔科夫决策实现；步骤6：将步骤1-步骤3提取的特征代入深度强化学习模型；步骤7：根据移动性特征和业务属性特征，定义强化学习的即时奖励；步骤8：利用DQN求解异构网络选择问题。本发明在充分考虑到网络负载情况的同时，对会话的业务属性和终端的移动性以及终端在网络中所处位置的不同进行区分，通过与外界网络环境不断的试错学习能够不断调整自身的动作选择策略。
-
Search Results
2
records
(took 0.015 seconds)
