一种基于复合优先经验回放采样的车联网资源优化方法

本发明提供了一种基于复合优先经验回放采样的车联网资源优化方法，包括：步骤1，问题建模与目标定义；步骤2，设计状态空间和动作空间；步骤3，设计奖励函数，用于指导智能体获得最大回报，以选择最优策略；步骤4，建立基于多智能体深度确定性梯度策略MADDPG的资源分配优化算法，用于提升车辆间V2V通信链路负载传输成功率以及最大化车辆到基础设施V2I通信链路总容量；步骤5，建立基于复合优先经验回放采样的多智能体深度确定性梯度策略算法，提升MADDPG算法的收敛性与稳定性，进一步优化功率控制策略。仿真结果表明本发明在V2V通信链路负载传输成功率和V2I通信链路总容量提升方面具有更优秀的性能表现。