在6G网络框架下的双时间尺度MuAR系统资源分配方法

本发明提出了一种在6G网络框架下的双时间尺度MuAR系统资源分配方法，基于双时间尺度资源分配框架，以联合优化长期计算资源分配和短期信道与子帧配置，在确保端到端延迟低于16毫秒的同时，最大限度地降低虚拟对象呈现在不同显示设备中的位置偏移率。为了克服传统MA‑DRL方法的限制，本发明采用完全非集中式的学习策略，即每个智能体自主训练本地化模型，从而能够快速适应瞬时的环境变化，同时保持决策响应能力，将图注意力网络集成到完全非集中式的学习框架中，明确模拟智能体之间隐藏的双向干扰依赖关系，以促进协调优化；开发了贝叶斯优化增强型深度确定性策略梯度算法，利用计算需求与计算资源分配决策的联合先验分布来指导探索，以提高DDPG的学习效率。