在认知无线电中，提出了一种对于具有不同但未知奖励分布的多臂赌博问题的感知策略。该策略是一个集中协调的索引策略，其中频带的索引由一个样本均值项和一个置信项组成，使得子优频段之间连续感知的时间间隔成指数增长，导致弱后悔值对数增长。仿真结果表明，该策略优于文献中的其他类似方法。

Nov, 2012

本文针对认知无线电网络中的多个次级用户争取多个信道的机会问题，提出去中心化多臂赌博问题，并设计出一种去中心化的在线学习策略，以达到尽可能降低总体期望回报与所有用户回归之间的差距。其中，分别考虑了优先级排序和公平访问策略。

Apr, 2011

提出一种结合 epsilon-greedy 学习规则和避碰机制的算法，用于解决多用户共享多臂赌博问题，应用于认知无线电网络中，实验证明相比其他算法，该算法在此环境中可以显著提高性能，并取得次线性遗憾。

Apr, 2014

本文研究了随机控制问题在机会式频谱访问中的应用，提出了设计一种通道选择策略，以最大化预期折扣总报酬为目标，将问题与该类问题现有文献进行了讨论。

Oct, 2009

本文介绍了一种利用 Markov 链的再生周期计算基于样本均值的索引策略的算法，证明了在马尔可夫链状态转移概率有渐进周期性且保持足够的多样性的情况下，该算法在时间上一致地实现对数遗憾，并且证明了该遗憾阈值也是最优的。

Oct, 2010

本文研究多通道机会通信系统中的感知政策问题，建立了一种简单且具有鲁棒性的方法来减少通道选择的成本，并且在数值结果的基础上，探究了该方法的性能及其与通道数的相关性，最终得到一个熵理论的定界，这既适用于认知无线电网络，也适用于衰落环境中的机会传输和资源受限的干扰和抗干扰。

Dec, 2007

研究动态频谱访问、网络效用最大化和分布式动态频谱访问算法，基于深度多用户强化学习，开发解决方案，并在多信道无线网络中进行实验评估。

Apr, 2017

多个智能目标跟踪的非远视雷达调度，需要考虑短期的跟踪性能和未来智能跟踪的目标操纵的概率，采用了并行不安宁赌徒过程组成的马尔可夫决策过程模型以及用于近似指标的前向 Sarsa 和反向 Q-learning 方法，综合运用了状态 - 动作价值函数来提高长期跟踪奖励。

Feb, 2024

本文提出了一种基于深度强化学习的方法，用于共享主要用户和次要用户之间的频谱，并设计了一组空间部署的传感器节点以帮助感知无线环境中的接收信号强度信息，从而使得次要用户可以与主要用户有效地交互以达到传输数据的设定目标状态。

Dec, 2017

介绍了各种宽带频谱感知算法及其优缺点和挑战问题，并特别关注了子奈奎斯特技术的应用，包括压缩感知和多通道子奈奎斯特采样技术。

Feb, 2013