基于双深度Q网络算法的无人机辅助密集网络资源优化策略

来源：电子与信息学报杂志2025年第8期北京时间：

作者：陈佳美, 孙慧雯, 李玉峰, 王宇鹏, 别玉霞

单位：沈阳航空航天大学电子与信息工程学院 沈阳 110136

摘要：为顺应未来网络向密集化与空间化方向的发展趋势，该文提出构建一种多基站共存的空地结合超密集复杂网络，并开发半分布式方案以优化网络资源。首先，建立包括宏基站、微基站和无人机(UAV)空中基站在内的多种基站共存的超密集复杂网络构架。在此基础上，针对传统完全集中式方案存在的计算负担重、响应速度慢以及分布式方案缺乏全局优化视角等问题，提出一种半分布式的双深度Q网络(DDQN)功率控制方案。该方案旨在优化网络能效，通过分布式决策与集中训练相结合的方式，有效平衡了计算复杂度和性能优化。具体而言，半分布式方案利用DDQN算法在基站侧进行分布式决策，同时引入集中式网络训练器以确保整体网络的能效最优。仿真结果表明，所提出的半分布式DDQN方案能够很好地适应密集复杂网络结构，与传统深度Q网络(DQN)相比，在能效和总吞吐量方面均取得了显著提升。

关键词：空地密集网络, 半分布式, 双深度Q网络算法, 资源优化

基金资助：国家自然科学基金(61501306)，辽宁省教育厅基金(LJKMZ20220519, LJKMZ0220526)，沈阳市自然科学基金专项(23-503-6-18)，学校科研基金(2019-1-ZZLX-07)