基于深度增强学习和多目标优化改进的卫星资源分配算法

• 作者: 刘帅军 宋俊德 张沛 王晓晖 马治国
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 多波束卫星系统 资源分配 序列决策 深度增强学习 多目标优化
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 51-60
• 页数: 10页
• 分类号: TN927+.2
• 字数: 7254字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2020117

摘要

针对多波束卫星系统中资源分配序列决策的多目标优化(MOP)问题,为了在提升卫星系统性能的同时,提高用户业务需求的满意度,提出了一种基于深度增强学习(DRL)的DRL-MOP算法.所提算法基于DRL和MOP技术,对动态变化的系统环境和用户到达模型建模,以归一化处理后的频谱效率、能量效率和业务满意度指数的加权和作为优化目标,实现了系统和用户累计性能的优化.仿真对比表明,所提算法可以更好地解决面向多波束卫星系统的多目标优化问题,系统性能和用户满意度优化结果较好,且收敛快、复杂度低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张沛	北京邮电大学计算机学院	23	65	5.0	7.0
3	宋俊德	北京邮电大学计算机学院	215	1839	22.0	36.0
6	刘帅军	中国科学院软件研究所	3	1	1.0	1.0
7	马治国		2	2	1.0	1.0
8	王晓晖	北京邮电大学计算机学院	1	0	0.0	0.0