基于图数据与深度强化学习的频谱分配方法、装置及介质

本发明公开了一种基于图数据与深度强化学习的频谱分配方法、装置及介质，属于电力通信网络领域，所述方法为：通过融合电力通信空地自组网的多维度节点特征，并计算信道质量与干扰耦合的权重，构建节点和链路关系的动态图结构模型；通过融合地理特征数据、频段业务数据、信道特征数据和版本信息数据，构建时空关联的多维频谱地图；基于所述动态图结构模型和多维频谱地图，通过图卷积网络编码动态拓扑特征，并结合经验回放与动态Q值更新机制，生成满足功率约束与干扰阈值的频谱分配动作，根据所述频谱分配动作执行所述电力通信空地自组网的频谱分配。因此，通过实施本发明，能够提高电力通信空地自组网频谱分配的鲁棒性。