南京信息工程大学徐钰龙获国家专利权
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！
龙图腾网获悉南京信息工程大学申请的专利一种基于深度强化学习的异构网络资源能效优化方法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：CN116567667B 。
龙图腾网通过国家知识产权局官网在2026-04-14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：202310514670.4，技术领域涉及：H04W24/02；该发明授权一种基于深度强化学习的异构网络资源能效优化方法是由徐钰龙设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。
本一种基于深度强化学习的异构网络资源能效优化方法在说明书摘要公布了：本发明提供了一种基于深度强化学习的异构网络资源能效优化方法，针对实际环境迅速变化的通信场景，使用多Actor网络和单Critic网络的架构来分配传输功率和子载波，实现了通过与环境交互获得信息，并通过不断的深度强化学习获得长期最大化收益，解决了Actor‑Critic神经网络每次参数更新前后都存在的相关性，增强了鲁棒性。同时，每个智能体进行分布式执行以获得自己的动作输出，提高了训练速度与稳定性，提升了系统性能。
本发明授权一种基于深度强化学习的异构网络资源能效优化方法在权利要求书中公布了：1.一种基于深度强化学习的异构网络资源能效优化方法，其特征在于，包括： S1、建立异构网络模型，初始化通信环境并设定模拟环境区域，包括基站布局、基站数量、用户设备数量和子载波数量，其中，用户设备和基站之间基于最大信号与干扰加噪声比SINR原则进行关联，基站采用正交频分多址将资源分配给相关用户设备； S2、根据用户设备的信噪比网络的容量及能源效率ηEE，确定优化目标； S3、引入马尔科夫模型，确定智能体、状态空间、动作空间和奖励函数； S4、构建改进的深度确定性策略梯度算法DDPG，所述改进DDPG算法采用多策略网络Actor网络和单价值网络Critic网络进行分配传输功率和子载波的训练和输出，其中，Actor网络的输入为当前智能体的状态，输出为子载波分配策略和子载波上的发射功率；Critic网络的输入为智能体的动作、状态，输出为动作的损失和学习到的权重参数； S5、设置智能体训练回合数、每回合训练步数，每个智能体通过改进DDPG算法与所设定的环境产生不断的交互，优化更新网络参数，获得最优的异构网络资源分配方案。
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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励