基于深度强化学习的超密集车联网自适应资源分配方法

本发明公开了一种基于深度强化学习的超密集车联网自适应资源分配方法，该方法包括：建立超密集车联网的通信模型，所述通信模型中包括基站、发送车辆和接收车辆，基站通过V2I链路与车辆交换数据，车辆之间通过V2V链路通信；根据通信模型中车辆之间的干扰关系，确定以接收车辆为中心的加权干扰模型；根据通信模型和加权干扰模型，建立通信模型的资源分配模型，所述资源分配模型为在一定约束条件下以资源重用率最大且所分配的资源不冲突为目标的优化问题；将所述优化问题转化为马尔可夫决策过程问题；利用FedAvg‑AC算法进行求解，得到超密集车联网的资源分配策略。本发明有益效果提高了资源分配的效率。