基于多智能体深度确定性策略梯度算法的车联网信道选择方法

本发明涉及一种基于多智能体深度确定性策略梯度算法的车联网信道选择方法，属于通信技术领域。其包括：建立车联网系统模型，并设置其局部和全局环境变量、车辆动作空间以及奖励函数；基于车联网系统模型，建立车联网动态信道模型，并确定多信道联合下的状态空间和稳态概率分布；在多智能体深度确定性策略梯度算法中引入图神经网络GNN，建立GNN‑Critic网络处理动态车辆输入信息；智能体车辆利用全局环境状态学习信道选择策略，以完成集中训练；训练完成后，智能体车辆观测局部信道状态分布执行信道选择。本发明能够显著提高信道利用率，使得车辆根据全局环境信息做出更优的信道选择决策，减少信道空闲时间，提升整体网络性能。