本研究探讨了在移动性、快速衰落和不完美信道质量信息下的链路适应算法，提出了一种离线强化学习方法，通过实时网络数据学习链路适应策略，显著降低网络干扰。结果表明，该方法在适当策略下的性能可与先进的在线强化学习方法相媲美。

本文研究了图神经网络和双机器学习方法推断因果效应，提出了广义倾向得分估计器，以评估农业市场政策干预的直接和溢出效应。结果表明，忽略干扰会导致政策有效性评估偏差。此外，提出的新算法DWR有效解决了网络干扰异质性问题，实验结果显示其优于现有算法。