本文探讨了使用强化学习的在线协议合成的概念。 该研究在使用超低复杂度无线收发器的传感器和物联网网络的背景下进行。 该论文介绍了在不同的网络和流量条件下使用 RL 和 Multi Armed Bandit（MAB）（一种特定类型的 RL）来进行介质访问控制（MAC）。 该机制不依赖于载波感知、网络时间同步、碰撞检测和其他低级复杂操作，因此非常适合资源受限的传感器和物联网网络中使用的超简单收发器硬件。

Jan, 2023

本文研究了深度强化学习在异构无线网络的 MAC 协议中的应用，通过观察环境、采取行动和获得回报，DLMA 节点可以学习一种最优的 MAC 策略，以实现多个时隙网络的协调共存。

Dec, 2017

本研究主要探讨无线路由方案的优化，特别关注于集成接入回程（IAB）网络，旨在通过采取多智能体强化学习和马尔可夫决策过程等方法，最大化分组到达比率同时最小化网络延迟，并提升网络效率。在本研究中，我们提出了一种称为关系型优势演员评论家（Relational A2C）的算法，并对其进行了三种不同的训练范式。研究结果表明，相较于其他强化学习算法，该算法具有更好的性能和更低的个体自私行为，为 IAB 网络的路由策略优化提供了新的思路。

May, 2023

本文提出了使用多智能体深度强化学习机制的分布式资源管理和干扰抑制方案。该框架通过使智能体作出决策，从而解决了干扰和资源分配的问题。模拟结果表明，这种方法具有比分散式基线更高的性能，在与集中式信息论基线相媲美的同时，模型的鲁棒性得到了验证。

Feb, 2020

研究多通道接入的问题，应用深度 Q 网络实现对于未知系统动态的自适应学习，以最大化长期回报，通过仿真与实际数据跟踪比较表明该方法在更为复杂的情境下具有最佳性能。

Feb, 2018

本文提出了一种基于多智能体深度强化学习的新型组播路由方法，该方法应用于软件定义的无线网络环境中，灵活配置网络并获得网络状态信息。使用单跳动作策略和奖励函数解决多智能体合作下的多个子问题，并采用分散式训练方法相结合的迁移学习机制来加速收敛并提高吞吐量、延迟、丢包率等性能，模拟实验表明 MADRL-MR 方法可以建立更智能的组播路由。

May, 2023

本文提出了一种可扩展的强化学习方法，用于同时路由和频谱访问无线自组网中的信号传输，根据邻居节点的地理位置信息智能地制定联合路由和频谱分配决策。

Dec, 2020

本文利用多智能体强化学习框架，让基站和用户设备一起学习在无线多点接入场景中的信道访问策略和信令，比较竞争自由和基于竞争的基线，结果显示我们的框架在高流量情况下保持低冲突率的同时，在吞吐量方面表现出色。同时本文研究了所提出方法的可扩展性，并为解决该问题提供了首个结果。

Jun, 2022

该研究以多智能体强化学习的角度研究了分布式无线通信网络中的传输控制问题，其方法是基于完全分布式的独立强化学习代理实现的协同行为，其中每个智能体节点只对自己的行为决策进行学习，以实现在不同的行动空间下的协同行为。

May, 2022

提出了一种使用多智能体深度强化学习的机制来管理无线电资源，从而在最大化用户吞吐量和保证公平分配资源之间取得平衡。

Jun, 2019