Mohamed Shalma

新的多智能体DRL框架优化基站部署

研究人员开发了一个新的多智能体深度强化学习框架，用于优化复杂校园环境中的毫米波基站部署。该研究对四种深度强化学习方案进行了基准测试，包括单智能体和多智能体深度Q网络（Deep Q-Network）和深度确定性策略梯度（Deep Deterministic Policy Gradient）方法。结果表明，在密集场景下，多智能体DDPG方法显著优于单智能体方法，实现了全覆盖，Jain指数达到0.94。