- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于深度强化学习技术优化无线网络中的资源分配(三)main.py部分代码
这份main.py时项目的主运行入口,主要负责创建调用训练函数进行DQN学习,然后记录并可视化训练和测试的性能.将核心流程拆解来看的话有:1,环境与参数初始化2,构建智能体Agent3,训练主函数Train()4,数据保存与可视化在这份代码中,可以让我们调节的关键超参数有参数默认值含义Gamma0.5奖励折扣因子epsilon0.9 → 0.01ε-greedy 策略范围batch_size256小批量训练规模mem_size50000经验回放池大小replace100。
2025-05-07 09:58:18
1175
原创 基于深度强化学习技术优化无线网络中的资源分配(二)Environment.py部分代码
使用该类模拟一个蜂窝无线通信环境，供DQN智能体进行交互。接下来将说明该类中使用的函数.以上为Environment.py文件的所有函数.Env_cellular整个环境的核心类,用于模拟一个下行蜂窝网络中的多个用户+干扰环境+信道衰落+多帧演化的系统,提供了DRL智能体交互所需的状态,动作和奖励结构.
2025-05-06 17:14:37
943
原创 基于深度强化学习技术优化无线网络中的资源分配(一)DQN部分代码
这是一个GitHub上的开源项目，链接：https://github.com/alexis-anzaldo/Deep-Reinforcement-Learning-for-resource-allocation-in-wireless-networks该项目旨在通过深度强化学习DQL技术优化无线网络中的资源分配，特别关注小型蜂窝和超密集无线蜂窝网络中的功率控制问题，主要目标是提高DRL模型的学习效率和网络吞吐量。
2025-05-02 13:13:41
1373
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人