文献类型：会议论文

中文题名：基于多智能体强化学习的车联网频谱资源分配方法综述

作者：陈阳[1];张雪芬[1];

第一作者：陈阳

机构：[1]北京联合大学智慧城市学院;

第一机构：北京联合大学智慧城市学院

会议论文集：中国计算机用户协会网络应用分会2024年第二十八届网络新技术与应用年会论文集

会议日期：20241121

会议地点：中国山东威海

语种：中文

中文关键词：车联网;强化学习;频谱资源分配;多智能体

摘要：车联网频谱资源分配是确保车联网通信质量和效率的关键技术之一。随着移动通信和车联网的快速发展,频谱资源的合理分配成为关键挑战。车联网频谱资源稀缺且需应对高动态网络拓扑和高移动性通信节点。传统的静态频谱分配方式存在利用率低等问题,动态频谱分配及共享技术虽有所提升但仍存在不足。为了解决这一问题,研究者们开始尝试使用不同的深度学习和强化学习理论来解决未知动态环境下的车联网频谱资源分配问题。其中,多智能体深度强化学习(MARL)在解决复杂车联网环境中的频谱分配问题上展现出巨大潜力。文章介绍了车联网频谱资源分配的重要性、分配方式及强化学习在频谱分配中的应用,阐述了基于MARL的车联网频谱资源分配方法,包括系统模型、多智能体强化学习框架及研究现状。