本论文提出了一种基于知识辅助的深度强化学习算法来设计第五代（5G）移动通信网络中的无线调度器，利用理论模型提出了理论的强化学习框架，在线离线相结合的方式实现了知识辅助 DDPG 算法，通过模拟实验和实际测试证明了该方法在收敛时间和 QoS 性能方面都优于现有方案，减少了 30%~50% 的数据包丢失率。

Sep, 2020

本文研究了语义感知下的调度问题，利用深度强化学习算法解决大规模系统中的最优策略问题，并通过实验表明，相较于现有算法，所提出的算法能够显著减少训练时间并提高训练性能。

May, 2023

本文提出了两种基于深度强化学习的算法来解决共生射频网络中的用户关联问题，该问题的目标是将每个 IoT 设备与一个适当的蜂窝网络用户链接起来，以最大化所有 IoT 设备的总速率，同时分别利用全局和本地信息来做决策，从而达到与需要完美实时信息的最优用户关联策略相同的性能，并且分布式 DRL 算法具有可伸缩性。

May, 2019

本文使用深度强化学习技术研究了 IoT 驱动孤立微电网中柴油发电机（DG）的调度问题。旨在在可再生能源不确定性情况下充分利用可再生能源，通过离散 - 连续混合动作空间的 DRL 算法解决了二进制 DG 开关决策和连续能量调度决策，并针对旋转备用的情况提出了 POMDP 模型，实验显示其性能要优于同类算法。

Apr, 2023

通过提出一种名为 NOMA-PPO 的新型深度强化学习调度算法，本文解决了无线网络中超可靠低延迟通信（URLLC）的问题，也就是在物联网（IoT）应用中施加的严格约束。该方法通过将 NOMA-URLLC 问题转化为部分可观察马尔可夫决策过程（POMDP）并引入一种代理状态，成功将 POMDP 转化为马尔可夫决策过程（MDP），并且适应了组合动作空间，同时还利用贝叶斯策略技术融合了先前的知识，结果表明该方法不仅在 3GPP 场景中优于传统的多路访问协议和 DRL 基准，而且在各种信道和流量配置下都能有效地利用时间相关性，显示出鲁棒的性能。

Aug, 2023

本文提出一种新型的动态频谱共享方案，并使用深度强化学习算法基于蒙特卡罗树搜索进行资源分配，该方案能够在考虑未来网络状态的情况下执行操作，比当前的其他方案表现更好。

Feb, 2021

本文针对非正交多址技术中的公平资源分配问题，基于强化学习提出了一种高效的资源分配方案，结合深度强化学习算法和 SARSA-learning 算法处理不同网络负载下的差异性问题，并通过数值实验得出在物联网中，非正交多址技术可以比正交多址技术更好地提高系统的吞吐量。

Jul, 2020

通过学习的基于马尔可夫事件的新颖框架，利用无人机作为飞行基站，预测 IoT 设备的流量到达并优化多个无人机的轨迹和调度策略，最终通过深度强化学习方法改进传输性能。

Jan, 2024

基于优化理论的深度强化学习框架被介绍用于联合设计控制和通信系统，并针对最小化功耗目标，在满足通信系统的调度性和速率约束以及控制系统的稳定性约束的前提下，通过优化理论和深度强化学习两个阶段的组合来实现，该方法在大量的模拟实验中表现出优于优化理论和纯深度强化学习方法的性能，接近最优性能且复杂度较低。

Nov, 2023

探究基于无线网络控制系统的深度学习协同设计，使用新型深度强化学习算法与 AoI 技术构建控制器和调度器，提高数据准确性并增强联合训练的稳定性，以此解决传统设计方法中大量难以有效解决的问题，并在不同场景中提供显著的性能表现.

Oct, 2022