| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 引言 | 第13-14页 |
| 1.2 论文研究背景 | 第14-16页 |
| 1.2.1 无线资源管理概述 | 第14-15页 |
| 1.2.2 强化学习概述及研究现状 | 第15-16页 |
| 1.3 本文内容的结构安排 | 第16-17页 |
| 第二章 强化学习理论基础 | 第17-27页 |
| 2.1 强化学习概述 | 第17-21页 |
| 2.1.1 强化学习模型 | 第17-20页 |
| 2.1.2 马尔科夫决策过程 | 第20-21页 |
| 2.2 强化学习算法 | 第21-26页 |
| 2.2.1 TD算法 | 第22-23页 |
| 2.2.2 Q学习算法 | 第23-24页 |
| 2.2.3 Sarsa学习算法 | 第24-25页 |
| 2.2.4 Dyna学习算法 | 第25页 |
| 2.2.5 多Agent强化学习 | 第25-26页 |
| 2.3 本章总结 | 第26-27页 |
| 第三章 基于强化学习的部分频率复用方法改进 | 第27-48页 |
| 3.1 频率复用及部分频率复用 | 第27-32页 |
| 3.1.1 蜂窝和频率复用 | 第27-30页 |
| 3.1.2 部分频率复用概述 | 第30-32页 |
| 3.2 联结强化学习 | 第32-34页 |
| 3.2.1 强化学习联结网络 | 第32页 |
| 3.2.3 梯度强化学习算法 | 第32-34页 |
| 3.3 基于梯度强化学习算法的部分频率复用 | 第34-40页 |
| 3.3.1 系统模型 | 第34-36页 |
| 3.3.2 问题映射 | 第36-38页 |
| 3.3.3 算法描述 | 第38-40页 |
| 3.4 仿真与分析 | 第40-47页 |
| 3.4.1 仿真参数说明 | 第40-43页 |
| 3.4.2 仿真结果及分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于Q学习的D2D无线资源管理 | 第48-70页 |
| 4.1 D2D技术 | 第48-50页 |
| 4.2 采用D2D技术的蜂窝网络系统 | 第50-55页 |
| 4.2.1 D2D蜂窝通信系统建模 | 第50-51页 |
| 4.2.2 D2D通信系统无线资源管理 | 第51-55页 |
| 4.3 基于强化学习的D2D资源分配 | 第55-69页 |
| 4.3.1 基于Q学习的Overlay模式下的信道分配 | 第55-64页 |
| 4.3.2 基于Q学习的Underlay模式下的信道和功率分配 | 第64-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 总结及展望 | 第70-72页 |
| 5.1 本文工作及贡献 | 第70页 |
| 5.2 下一步工作计划 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间取得的研究成果 | 第77-78页 |
| 个人简历 | 第78-79页 |