買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉山東科技大學;青島大學附屬醫院申請的專利基于分層強化學習的信道資源分配方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119967616B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510098848.0，技術領域涉及：H04W72/54；該發明授權基于分層強化學習的信道資源分配方法及系統是由李鵬;張福新;位長寧;姜中強;王銳設計研發完成，并于2025-01-22向國家知識產權局提交的專利申請。

本基于分層強化學習的信道資源分配方法及系統在說明書摘要公布了：本發明屬于智能交通技術領域，具體公開了一種基于分層強化學習的信道資源分配方法及系統。本發明提出了基于Jain's公平指數的公平性模型，用于衡量資源分配的公平性，確保不同車輛之間的資源分配較為均衡；建立了可靠性模型，通過引入中斷概率的概念，衡量信息在規定時間內成功傳輸的概率，保障了V2V鏈路的通信需求；基于信息年齡AOI模型設計了延遲模型，用于評估信息從生成到接收所經歷的時間，以保證信息及時傳遞。本發明還構建了基于分層強化學習的蜂窩車聯網信道資源分配模型，該模型通過分層設計，將蜂窩車聯網信道資源分配問題分解為上層的分簇問題和下層的簇內信道資源優化問題，確保了在復雜環境中實現資源的公平、高效分配。

本發明授權基于分層強化學習的信道資源分配方法及系統在權利要求書中公布了：1.基于分層強化學習的信道資源分配方法，其特征在于，包括如下步驟： 步驟1.構建蜂窩車聯網的環境模型，包括車輛移動模式、通信鏈路、信道和干擾模型，并且設計蜂窩車聯網的公平性模型、可靠性模型以及延遲模型； 公平性模型的構建過程如下： 為保證V2V鏈路資源分配的公平性，將Jain's公平指數作為公平性指標； 可靠性模型的構建過程如下： 可靠性通過V2V鏈路的傳輸成功率來衡量，將采用中斷概率來描述可靠性；中斷概率定義為在規定時間內未能成功傳輸數據的概率，可靠性定義為中斷概率的補集； 延遲模型的構建過程如下： 基于信息年齡AOI模型，設計應用于V2V鏈路的延遲模型；AOI衡量的是從信息生成到接收所經歷的時間，AOI不僅考慮了傳輸時間，還包括了信息更新的頻率； 步驟2.基于步驟1搭建的蜂窩車聯網環境模型、公平性模型、可靠性模型以及延遲模型，構建基于分層強化學習的蜂窩車聯網信道資源分配模型； 該模型通過分層設計，將蜂窩車聯網信道資源分配問題分解為上層分簇問題和下層簇內信道資源優化問題，并對應設計上層控制器以及下層控制器； 上層控制器基于干擾圖進行分簇，將干擾小的V2V鏈路分配到同一簇內，以減少簇內干擾，為下層提供一個穩定的環境，便于下層進一步優化信道資源分配；上層控制器利用DQN方法進行分簇決策，通過不斷學習和調整，使分簇方案逐漸優化； 下層控制器通過多智能體深度強化學習MARL進行信道資源的優化分配，用于為每個V2V鏈路分配合適的傳輸功率，以實現鏈路傳輸性能的最大化，同時減少干擾；下層控制器采用DQN方法，通過學習動態環境中最佳資源分配策略，不斷優化傳輸速率和干擾管理； 所述步驟2中，下層控制器的設計過程如下： 在下層控制器中的信道資源優化決策中，動作空間定義為每個V2V鏈路的發射功率的組合；設為第k個智能體的動作空間，則動作表示第k個V2V鏈路的功率分配方案； 因此，動作空間的設計如下： 定義Pi表示可選的發射功率級別，i∈[1,N]，每個動作ak只由一個發射功率p組成； 而狀態空間包括每個V2V鏈路的信道狀態信息和環境信息；設為第k個智能體的狀態空間，則狀態表示第個V2V鏈路的當前狀態，狀態空間的設計如下： 其中，gk[m]表示當前信道的增益，Ik[m]表示來自其他鏈路的干擾情況，Rk表示當前傳輸速率，Ak表示當前的信息年齡，Pout表示中斷概率； 每個相干時間步驟t每個V2V智能體k的狀態又要受到觀察Zkt，由觀察函數O定義為： Zkt＝Oskt,k28 其中，skt表示t時刻第k個智能體觀測到的狀態； 設rk為第k個智能體的回報函數，則回報函數rksk,ak如下： rksk,ak＝αRk-βIk-γAk-δPout+ηfRk29 其中，Rk表示當前傳輸速率，Ik表示來自其他鏈路的干擾情況，Ak表示當前的信息年齡，Pout表示中斷概率，fRk是公平性指標，α、β、γ、δ和η為權重參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東科技大學;青島大學附屬醫院，其通訊地址為：266590 山東省青島市黃島區前灣港路579號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。