一种融合预测与强化学习的超密集异构无线网络接入控制方法、装置、设备及存储介质

本发明公开了一种融合预测与强化学习的超密集异构无线网络接入控制方法，包括：采用SLAW模型模拟用户的移动轨迹，并对移动轨迹进行归一化；将归一化后的移动轨迹输入至LSTM模型中，输出下一时刻的预测坐标；计算用户在预测坐标下，对当前接入网络和所有其它候选网络的接收信号强度，根据接收信号强度判断是否提前触发网络切换机制；针对网络切换决策问题，通过定义状态空间、动作空间和奖励函数，构建马尔可夫决策模型；当需要提前触发网络切换机制或达到预设的决策周期时，使用DDQN算法对马尔可夫决策模型进行求解，从候选网络中选择目标网络，并切换至目标网络；本发明能够有效提升网络切换的响应速度和准确性，从而提升用户体验和网络性能。