[发明专利]一种分布式多智能体的无线资源分配方法

说明书

本发明给出一种分布式多智能体的无线资源分配方法。所述无线资源分配方法包括子载波分配和功率分配方法，首先建立子载波分配和功率分配的和速率最大化模型；然后对所有智能体以及用户，根据智能体负载最小标准进行分配；进而将所述和速率最大化模型分解成子载波分配优化模型以及功率分配优化模型；分别采用匹配理论方法和对偶次梯度迭代法交替求解子载波分配优化模型以及功率分配优化模型；从而实现分布式多智能体的无线资源分配。采用本发明方法，相对于强化学习方式的无限资源分配方法，其复杂度低，迭代次数少，需要的计算资源少，获得了最大的系统容量。

技术领域

本发明涉及一种分布式多智能体的无线资源分配方法，属于通信技术领域。

背景技术

目前关于多小区多用户的下行OFDM系统的和速率最大化的应用中，已提出很多性能较好的资源分配方案，但是考虑多组OFDM频带的多用户资源分配方法，还一直没有被研究。不同OFDM频带的小尺度衰落是不同的，用户可以自主选择OFDM频带来进行即时通信，且现有方法中，研究基于强化学习的多智能体分布式资源分配方法较多，但均需要较大的迭代次数才可以收敛。

发明内容

针对现有技术的不足，本发明给出一种分布式多智能体的无线资源分配方法。所述无线资源分配方法包括子载波分配和功率分配方法，首先建立子载波分配和功率分配的和速率最大化模型；然后对所有智能体以及用户，根据智能体负载最小标准进行分配；进而将所述和速率最大化模型分解成子载波分配优化模型以及功率分配优化模型；分别采用匹配理论方法和对偶次梯度迭代法交替求解子载波分配优化模型以及功率分配优化模型；从而实现分布式多智能体的无线资源分配。采用本发明方法，相对于强化学习方式的无限资源分配方法，其复杂度低，迭代次数少，需要的计算资源少，获得了最大的系统容量。

为了解决上述问题，本发明采用的技术方案是：

一种分布式多智能体的无线资源分配方法，包括如下步骤：

步骤A：建立和速率最大化模型，该和速率最大化模型A1表述为：

约束条件：