一种用于收集现场通信网络质量的自学习算法

本发明涉及一种用于收集现场通信网络质量的自学习算法，基于Actor‑Critic算法和QoS评估，通过实时采集多维QoS数据，利用神经网络实现策略学习和价值评估，在长期内优化网络选择，其包括以下流程，数据采集与预处理；基于Actor‑Critic的模型训练；决策执行与反馈优化机制；能耗管理与切换成本控制。本发明基于Actor‑Critic学习算法+QoS评估作为奖励函数，并引入切换成本惩罚机制，综合评估网络质量，实现精准切换，减少了不必要的切换，提高网络稳定性，设备可以自适应环境变化，优化切换策略，根据不同时段的网络特征，自主调整切换策略，提高长期收益，采用历史数据优化长期策略，并引入功耗因子，实现低功耗智能切换，延长设备续航时间，提升网络设备的通信可靠性和稳定性。