基于强化学习的移动性负载均衡方法
公开
摘要
本发明是一种基于强化学习的移动性负载均衡方法，首先基于各基站剩余负载构建优化目标，再将移动性负载均衡问题建模成马尔科夫决策过程，然后使用无模型的深度强化学习方法即柔性动作‑评价方法对最佳移动性参数调整进行求解，通过操作维护管理系统网管层与网络环境的交互，不断训练强化学习策略网络，得到每一个网络负载状态下的最优移动性参数，改善网络中负载不均衡性，降低网络负载，提高网络接入新用户能力。
基本信息
专利标题 ：
基于强化学习的移动性负载均衡方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114598655A
申请号 ：
CN202210235344.5
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
潘志文李紫誉刘楠尤肖虎
申请人 ：
东南大学;网络通信与安全紫金山实验室
申请人地址 ：
江苏省南京市江宁区东南大学路2号
代理机构 ：
南京瑞弘专利商标事务所(普通合伙)
代理人 ：
沈廉
优先权 ：
CN202210235344.5
主分类号 ：
H04L47/125
IPC分类号 ：
H04L47/125 H04L41/0894 G06N3/04 G06N3/08
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
