BriefGPT - AI 论文速递
·
基于强化学习的感知到达时延感知资源分配方法研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
提出了一种基于可重构智能表面的车联网网络方案，通过优化车辆与基础设施之间的时效和车辆之间的稳定性，使用演员-评论家算法控制车辆的资源分配和相移控制。仿真结果表明该算法在多个方面胜过其他算法。
🎯
关键要点
- 提出了一种基于可重构智能表面的车联网网络方案。
- 利用信息时代模型和负载传输概率模型优化车辆与基础设施之间的时效和车辆之间的稳定性。
- 采用软性演员-评论家算法以最小化信息时代和优先传输负载的方式。
- 使用驻波状态下的AI-B图方案控制车辆的资源分配和相移控制。
- 仿真结果表明该算法在收敛速度、累积奖励、信息时代性能和负载传输概率等方面胜过其他算法。
➡️
