.png){kind=icon}
返回
Deep Reinforcement Learning Based Resource Allocation for V2V Communications
.png){kind=icon}
OA
AI
DOI：10.1109/TVT.2019.2897134.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本文中，我们开发了一种基于深度强化学习的车辆对车辆 (V2V) 通信的新型分散式资源分配机制，该机制可应用于单播和广播场景。根据分散式资源分配机制，自主代理、V2V链路或车辆做出其决定以找到用于传输的最佳子带和功率水平，而不需要或不必等待全局信息。由于所提出的方法是分散的，因此它仅产生有限的传输开销。根据仿真结果，每个代理可以有效地学习满足V2V链路上的严格延迟约束，同时最小化对车辆到基础设施通信的干扰。
Keyword:
Deep Reinforcement Learning
V2V Communication
Resource Allocation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.1
论文数:
1.8W
被引数:
6.6W
机构
引用论文
Stereoselective Synthesis of 2Z,4E-Configured Dienoates through Tethered Ring Closing Metathesis.png)
Synthesis
SynthesisIF0
PREAI
分享收藏Adherence of sickle erythrocytes to vascular endothelial cells: requirement for both cell membrane changes and plasma factorsBloodOAAI
BloodIF0
OAAI分享收藏Low Complexity Outage Optimal Distributed Channel Allocation for Vehicle-to-Vehicle Communications
PREAI
分享收藏Study of bi-directional buck-boost converter topologies for application in electrical vehicle motor drives应用于电动汽车电机驱动的双向buck-boost变换器拓扑研究
PREAI
分享收藏Intestinal transgene delivery with native E. coli chassis allows persistent physiological changesCellOAAI
CellIF0
OAAI分享收藏分享收藏
查看更多内容