本研究提出了一种新颖的基于强化学习的交接协议（DHO），针对低地球轨道（LEO）卫星网络中长延迟挑战进行设计。DHO 通过预定的 LEO 卫星轨道图案进行训练，利用其预测能力跳过交接过程中的测量报告（MR），从而消除 MR 阶段产生的传播延迟，并提供有效的交接决策。经实验证明，DHO 在各种网络条件下优于传统交接协议，表现出对实际网络的适用性。此外，该研究还探讨了访问延迟与冲突率之间的权衡，以及使用不同 DRL 算法评估 DHO 的训练性能和收敛性。

Oct, 2023

该研究介绍了一种用于低地球轨道卫星链路的多智能体深度强化学习方法（MA-DRL），通过融合全局深度神经网络以及本地预训练 DNN，实现离线学习最优路径并快速适应网络和流量变化，在线实现高效分布式路由。

Feb, 2024

这篇论文介绍了基于持续的深度强化学习的低轨卫星星座分散路由的完整解决方案，采用多智能体方法，其中每个卫星作为一个独立的决策制定智能体，通过从附近的智能体接收的反馈来获取环境的有限知识。

May, 2024

本研究提出了一种基于强化学习策略（A2C）的中央集中式管理智能深空节点的方法，该节点用于管理低轨卫星 “LEO” 卫星星座场景中的延迟 / 中断容忍网络（DTN）节点，以最大化交付成功率和最小化网络资源消耗成本，同时考虑节点内存利用率。实验表明，使用 A2C 策略可以平衡交付成功率和成本，提供最高的奖励和最低的节点内存利用率。

Sep, 2022

在遥远的农业和灾害救援行动中，地下 LoRaWAN 与非地面网络（NTN）的整合可提供显著的经济和社会效益。然而，在大规模地下 LoRaWAN NTN 中有效地分配扩频因子（SFs）以最小化同样 SF 的干扰仍然具有挑战性。为解决这个问题，我们研究了基于强化学习（RL）的 SFs 分配方案，以优化系统的能源效率（EE）。在密集网络中高效捕捉设备与环境的相互作用方面，我们提出了一种使用多智能体对抗性双重深度 Q 网络（MAD3QN）和多智能体优势演员 - 评论家（MAA2C）算法的 SFs 分配技术，基于分析性的奖励机制。我们提出的基于强化学习的 SFs 分配方法在极端地下到卫星的场景中表现出比四个基准方案更好的性能。值得注意的是，MAD3QN 在收敛速度和能源效率方面显示出了有希望超过 MAA2C 的潜力。

Nov, 2023

通过多个关键接入点（APs）和自适应重构智能表面（STAR-RISs）的新型网络架构，该研究论文提出了应对室内通信中干扰抑制、功耗和实时配置方面的挑战的解决方案，并采用多智能体深度强化学习（MADRL）来优化 STAR-RIS 的控制。通过模拟实验，论文证明了与基准方法相比，网络效用显著提高。

Jun, 2024

通过提出一种名为 CMADR 的新型约束多智能体强化学习动态路由算法，以高效地平衡目标改进与约束满足，该算法能有效减少数据包延迟最少 21% 和 15%，并满足严格的能量消耗和丢包率要求，优于多个基准算法。

Dec, 2023

本文提出了一种基于深度强化学习的分布式资源分配技术，用于多代理环境下的认知无线电网络，该网络通过干扰下动态频谱访问与主干网络共存。该技术是分布式的，且不需要与其他代理协调，通过模拟结果可以显示出，该技术能够在有限的学习时间内，找到使性能在 3％之内的策略。

Oct, 2019

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

本文提出了一个基于分阶段多代理深度强化学习框架 DeepRAT 来解决下一代异构无线网络中成本感知的下行总速率最大化的问题。通过模拟实现，我们证明各种 DRL 代理的有效互动，学习系统动态并导出全局最优策略，同时也证明了 DeepRAT 算法在网络效用方面优于现有的最先进的启发式方法，并进一步量化了 DeepRAT 模型在快速适应网络动态、例如设备的移动方面的能力。

Feb, 2022