一种基于联邦多智能体深度强化学习的车联网通信资源分配方法

一种基于联邦多智能体深度强化学习的车联网通信资源分配方法，属于智能交通、无线通信、分布式机器学习三者的深度交叉技术领域。技术方案：在车联网场景中，以车辆为智能体，通过多智能体深度确定性策略梯度算法进行本地训练：每个智能体基于局部状态决策频谱接入、功率控制及带宽分配；采用异步联邦学习，各智能体上传本地模型参数至全局服务器，基于模型更新质量、通信质量及更新频率动态调整权重，加权聚合生成全局模型；更新后的全局模型下发给智能体，实现通信资源的分布式隐私保护与动态优化。有益效果：本发明在保障数据安全的前提下，显著提升频谱效率、传输成功率和系统适应性，具备广泛的应用前景与商业价值。