基于深度強化學習的空天地一體化網絡信息物理系統(tǒng)垂直切換策略

摘要： 針對空天地一體化網絡信息物理系統(tǒng)模型復雜、很難獲得網絡拓撲先驗知識和模型化假設的特點，研究其基于深度強化學習的垂直切換策略。首先，綜合考慮系統(tǒng)穩(wěn)定性、切換開銷和網絡使用成本約束，將垂直切換策略問題建模為約束馬爾可夫決策過程（CMDP），并給出保證可行解存在的充分條件；其次，提出約束-近端策略優(yōu)化（CPPO）算法解決該問題，并在基站側引入分布式強化學習機制加速訓練收斂。相較于基準... （共12頁）