一种基于最优通信资源调度策略的on-off-policy深度强化学习算法

本发明提供一种基于最优通信资源调度策略的on‑off‑policy深度强化学习算法。该基于最优通信资源调度策略的on‑off‑policy深度强化学习算法，包括，S1：针对有个传感器个信道的无线网络化控制系统，算法在时刻收集状态数据，使用卡尔曼滤波对设备状态进行预测和更新，S2：基于收集到的状态数据，计算资源分配动作向量。该基于最优通信资源调度策略的on‑off‑policy深度强化学习算法，通过结合on‑policy和off‑policy深度强化学习的优势，同时利用价值函数的单调特性和经验池的动态优先级管理机制，实现了策略的快速收敛和全局最优性能，在动态复杂环境下展现出卓越的应用价值和广泛的适用性。