期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
1
作者
陈佳美
孙慧雯
+2 位作者
李玉峰
王宇鹏
别玉霞
《电子与信息学报》
北大核心
2025年第8期2621-2629,共9页
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...
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。
展开更多
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
在线阅读
下载PDF
职称材料
基于双深度Q网络算法的多用户端对端能源共享机制研究
2
作者
武东昊
王国烽
+2 位作者
毛毳
陈玉萍
张有兵
《高技术通讯》
CAS
北大核心
2024年第7期755-764,共10页
端对端(P2P)电力交易作为用户侧能源市场的一种新的能源平衡和互动方式,可以有效促进用户群体内的能源共享,提高参与能源市场用户的经济效益。然而传统求解用户间P2P交易的方法依赖对于光伏、负荷数据的预测,难以实时响应用户间的源荷...
端对端(P2P)电力交易作为用户侧能源市场的一种新的能源平衡和互动方式,可以有效促进用户群体内的能源共享,提高参与能源市场用户的经济效益。然而传统求解用户间P2P交易的方法依赖对于光伏、负荷数据的预测,难以实时响应用户间的源荷变动问题。为此,本文建立了一种以多类型用户为基础的多用户P2P能源社区交易模型,并引入基于双深度Q网络(DDQN)的强化学习(RL)算法对其进行求解。所提方法通过DDQN算法中的预测网络以及目标网络读取多用户P2P能源社区中的环境信息,训练后的神经网络可通过实时的光伏、负荷以及电价数据对当前社区内的多用户P2P交易问题进行求解。案例仿真结果表明,所提方法在促进社区内用户间P2P能源交易共享的同时,保证了多用户P2P能源社区的经济性。
展开更多
关键词
端对端(P2P)能源共享
强化学习(RL)
能源交易市场
双
深度
q
网络
(DD
q
N)
算法
在线阅读
下载PDF
职称材料
基于协作式深度强化学习的火灾应急疏散仿真研究
被引量：
6
3
作者
倪凌佳
黄晓霞
+1 位作者
李红旮
张子博
《系统仿真学报》
CAS
CSCD
北大核心
2022年第6期1353-1366,共14页
火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供...
火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明:所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。
展开更多
关键词
协作式
双深度q网络算法
深度
强化学习
多智能体系统
应急疏散仿真
火灾场景仿真
在线阅读
下载PDF
职称材料
题名
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
1
作者
陈佳美
孙慧雯
李玉峰
王宇鹏
别玉霞
机构
沈阳航空航天大学电子与信息工程学院
出处
《电子与信息学报》
北大核心
2025年第8期2621-2629,共9页
基金
国家自然科学基金(61501306)
辽宁省教育厅基金(LJKMZ20220519,LJKMZ0220526)
+1 种基金
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)。
文摘
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
Keywords
Air–ground dense network
Semi-distributed
Double Deep
q
Network(DD
q
N)algorithm
Resource optimization
分类号
TN92 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于双深度Q网络算法的多用户端对端能源共享机制研究
2
作者
武东昊
王国烽
毛毳
陈玉萍
张有兵
机构
浙江工业大学信息工程学院
浙江华云电力工程设计咨询有限公司
出处
《高技术通讯》
CAS
北大核心
2024年第7期755-764,共10页
基金
国家自然科学基金(U22B20116)资助项目。
文摘
端对端(P2P)电力交易作为用户侧能源市场的一种新的能源平衡和互动方式,可以有效促进用户群体内的能源共享,提高参与能源市场用户的经济效益。然而传统求解用户间P2P交易的方法依赖对于光伏、负荷数据的预测,难以实时响应用户间的源荷变动问题。为此,本文建立了一种以多类型用户为基础的多用户P2P能源社区交易模型,并引入基于双深度Q网络(DDQN)的强化学习(RL)算法对其进行求解。所提方法通过DDQN算法中的预测网络以及目标网络读取多用户P2P能源社区中的环境信息,训练后的神经网络可通过实时的光伏、负荷以及电价数据对当前社区内的多用户P2P交易问题进行求解。案例仿真结果表明,所提方法在促进社区内用户间P2P能源交易共享的同时,保证了多用户P2P能源社区的经济性。
关键词
端对端(P2P)能源共享
强化学习(RL)
能源交易市场
双
深度
q
网络
(DD
q
N)
算法
Keywords
peer-to-peer(P2P)energy sharing
reinforcement learning(RL)
energy trading market
double deep
q
network(DD
q
N)
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于协作式深度强化学习的火灾应急疏散仿真研究
被引量：
6
3
作者
倪凌佳
黄晓霞
李红旮
张子博
机构
中国科学院空天信息创新研究院
中国科学院大学
自然资源部城市国土资源监测与仿真重点实验室
出处
《系统仿真学报》
CAS
CSCD
北大核心
2022年第6期1353-1366,共14页
基金
国家自然科学基金(41971363)
自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题(KF-2018-03-032)
国家重点研发计划(2017YFB0503905)。
文摘
火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明:所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。
关键词
协作式
双深度q网络算法
深度
强化学习
多智能体系统
应急疏散仿真
火灾场景仿真
Keywords
cooperative double deep
q
network algorithm
deep reinforcement learning
multi-agent system
emergency evacuation simulation
fire scenario simulation
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
陈佳美
孙慧雯
李玉峰
王宇鹏
别玉霞
《电子与信息学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于双深度Q网络算法的多用户端对端能源共享机制研究
武东昊
王国烽
毛毳
陈玉萍
张有兵
《高技术通讯》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于协作式深度强化学习的火灾应急疏散仿真研究
倪凌佳
黄晓霞
李红旮
张子博
《系统仿真学报》
CAS
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
