离线与分布式强化学习在无线资源管理中的应用

提出了一种使用多智能体深度强化学习的机制来管理无线电资源，旨在平衡用户吞吐量与资源公平分配。

研究引入了基于深度强化学习的云计算和分布式决策方案，结合压缩算法和空间迁移学习，提供绿色智能设备的潜在解决方案。

模拟结果表明，该方法在干扰抑制和资源分配方面的性能优于传统的分散式基线，并与集中式信息论基线相媲美。

研究展示了离线强化学习在无线电资源管理中的应用，表明其能够学习接近最优策略，适应不同服务级别要求。

提出的离线多智能体保守分位回归方案解决了环境的不确定性和数据有限性问题，展示了在无人机网络中的优势。