一种中断概率优化问题的深度学习方法

本发明公开了一种中断概率优化问题的深度学习方法，属于深度学习领域；针对MISO系统下行传输场景，以最小化所有用户的总中断概率为优化目标进行建模，引入示性函数，把建模中每个用户的条件中断概率转化为条件期望的形式，并采用样本平均法近似条件期望值，采用平滑函数来近似示性函数；然后，使用平滑函数和非监督学习，构建学习预编码策略的图神经网络，设计自适应平滑函数方法，对平滑函数的参数建模并利用二分搜索求解；接着，交替更新图神经网络和平滑函数参数，直至训练达到收敛。最后，将实时获取的估计信道输入到优化后的图神经网络中，输出学习的预编码策略，确保最小化所有用户的总中断概率。本发明计算复杂度低。