基于深度强化学习的双智能反射面动态反射系数调节方法

本发明公开了一种基于深度强化学习的双智能反射面动态反射系数调节方法。目前环境的复杂性和动态变化是影响智能反射面相位调控的重要因素，在动态且复杂的环境中，长期的相位调控是一件困难的事。本发明的方法基于深度强化学习(DRL)，通过环境信息的反馈不断调整，达到一个最优的策略，来进行双智能反射面单元相位和幅度的调节。本发明的方法可以为双智能反射面无线通信系统提供一种灵活、高效、自动的方法来实现反射系数优化控制，特别是在面对不断变化的环境和复杂的系统动态时。通过这种方式，可以提高无线网络的能效比、扩展覆盖范围并提升用户体验。另外，针对本发明的方法进行分布式训练提升了收敛速率。仿真结果表明本发明的方法的有效性和可行性，且本发明的方法具有较快的收敛速度。