| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.3 论文内容安排 | 第14-16页 |
| 第二章 超密集网络与强化学习概述 | 第16-28页 |
| 2.1 超密集网络概述 | 第16-18页 |
| 2.1.1 超密集网络结构 | 第16-17页 |
| 2.1.2 超密集网络中的关键问题 | 第17-18页 |
| 2.2 深度强化学习 | 第18-25页 |
| 2.2.1 强化学习概述 | 第18-19页 |
| 2.2.2 强化学习原理 | 第19-22页 |
| 2.2.3 Q-Learning介绍 | 第22-23页 |
| 2.2.4 深度学习简介 | 第23-25页 |
| 2.2.5 深度强化学习简介 | 第25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 基于能量收集的自供能UDN模型 | 第28-38页 |
| 3.1 背景介绍 | 第28-29页 |
| 3.2 自供能UDN系统模型 | 第29-33页 |
| 3.2.1 自供能UDN用户接入模型 | 第30-31页 |
| 3.2.2 自供能UDN能效模型 | 第31页 |
| 3.2.3 自供能UDN信道模型 | 第31-32页 |
| 3.2.4 自供能UDN能效模型 | 第32-33页 |
| 3.2.5 自供能UDN阻塞率模型 | 第33页 |
| 3.3 自供能UDN系统性能分析 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于DQN的单小区自供能UDN功率分配方案 | 第38-46页 |
| 4.1 能效优化问题建模 | 第38-39页 |
| 4.2 基于DQN的基站功率控制策略 | 第39-42页 |
| 4.2.1 DQN介绍 | 第39-40页 |
| 4.2.2 DQN关键指标设计 | 第40-41页 |
| 4.2.3 基于DQN的功率分配策略算法流程 | 第41-42页 |
| 4.3 算法仿真及结果分析 | 第42-44页 |
| 4.4 本章小节 | 第44-46页 |
| 第五章 基于PPO的分布式自供能UDN功率分配方案 | 第46-56页 |
| 5.1 背景介绍 | 第46-47页 |
| 5.2 系统模型及优化问题建模 | 第47-48页 |
| 5.3 基于PPO的功率分配方案设计 | 第48-52页 |
| 5.3.1 PPO介绍 | 第48-49页 |
| 5.3.2 PPO关键因素设计 | 第49-50页 |
| 5.3.3 基于PPO的功率分配策略算法流程 | 第50-52页 |
| 5.4 算法仿真及结果分析 | 第52-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56-57页 |
| 6.2 后续工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |