买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东科技大学;青岛大学附属医院申请的专利基于分层强化学习的信道资源分配方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119967616B 。

龙图腾网通过国家知识产权局官网在2025-09-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510098848.0，技术领域涉及：H04W72/54；该发明授权基于分层强化学习的信道资源分配方法及系统是由李鹏;张福新;位长宁;姜中强;王锐设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本基于分层强化学习的信道资源分配方法及系统在说明书摘要公布了：本发明属于智能交通技术领域，具体公开了一种基于分层强化学习的信道资源分配方法及系统。本发明提出了基于Jain's公平指数的公平性模型，用于衡量资源分配的公平性，确保不同车辆之间的资源分配较为均衡；建立了可靠性模型，通过引入中断概率的概念，衡量信息在规定时间内成功传输的概率，保障了V2V链路的通信需求；基于信息年龄AOI模型设计了延迟模型，用于评估信息从生成到接收所经历的时间，以保证信息及时传递。本发明还构建了基于分层强化学习的蜂窝车联网信道资源分配模型，该模型通过分层设计，将蜂窝车联网信道资源分配问题分解为上层的分簇问题和下层的簇内信道资源优化问题，确保了在复杂环境中实现资源的公平、高效分配。

本发明授权基于分层强化学习的信道资源分配方法及系统在权利要求书中公布了：1.基于分层强化学习的信道资源分配方法，其特征在于，包括如下步骤： 步骤1.构建蜂窝车联网的环境模型，包括车辆移动模式、通信链路、信道和干扰模型，并且设计蜂窝车联网的公平性模型、可靠性模型以及延迟模型； 公平性模型的构建过程如下： 为保证V2V链路资源分配的公平性，将Jain's公平指数作为公平性指标； 可靠性模型的构建过程如下： 可靠性通过V2V链路的传输成功率来衡量，将采用中断概率来描述可靠性；中断概率定义为在规定时间内未能成功传输数据的概率，可靠性定义为中断概率的补集； 延迟模型的构建过程如下： 基于信息年龄AOI模型，设计应用于V2V链路的延迟模型；AOI衡量的是从信息生成到接收所经历的时间，AOI不仅考虑了传输时间，还包括了信息更新的频率； 步骤2.基于步骤1搭建的蜂窝车联网环境模型、公平性模型、可靠性模型以及延迟模型，构建基于分层强化学习的蜂窝车联网信道资源分配模型； 该模型通过分层设计，将蜂窝车联网信道资源分配问题分解为上层分簇问题和下层簇内信道资源优化问题，并对应设计上层控制器以及下层控制器； 上层控制器基于干扰图进行分簇，将干扰小的V2V链路分配到同一簇内，以减少簇内干扰，为下层提供一个稳定的环境，便于下层进一步优化信道资源分配；上层控制器利用DQN方法进行分簇决策，通过不断学习和调整，使分簇方案逐渐优化； 下层控制器通过多智能体深度强化学习MARL进行信道资源的优化分配，用于为每个V2V链路分配合适的传输功率，以实现链路传输性能的最大化，同时减少干扰；下层控制器采用DQN方法，通过学习动态环境中最佳资源分配策略，不断优化传输速率和干扰管理； 所述步骤2中，下层控制器的设计过程如下： 在下层控制器中的信道资源优化决策中，动作空间定义为每个V2V链路的发射功率的组合；设为第k个智能体的动作空间，则动作表示第k个V2V链路的功率分配方案； 因此，动作空间的设计如下： 定义Pi表示可选的发射功率级别，i∈[1,N]，每个动作ak只由一个发射功率p组成； 而状态空间包括每个V2V链路的信道状态信息和环境信息；设为第k个智能体的状态空间，则状态表示第个V2V链路的当前状态，状态空间的设计如下： 其中，gk[m]表示当前信道的增益，Ik[m]表示来自其他链路的干扰情况，Rk表示当前传输速率，Ak表示当前的信息年龄，Pout表示中断概率； 每个相干时间步骤t每个V2V智能体k的状态又要受到观察Zkt，由观察函数O定义为： Zkt＝Oskt,k28 其中，skt表示t时刻第k个智能体观测到的状态； 设rk为第k个智能体的回报函数，则回报函数rksk,ak如下： rksk,ak＝αRk-βIk-γAk-δPout+ηfRk29 其中，Rk表示当前传输速率，Ik表示来自其他链路的干扰情况，Ak表示当前的信息年龄，Pout表示中断概率，fRk是公平性指标，α、β、γ、δ和η为权重参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东科技大学;青岛大学附属医院，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。