来源：期刊VIP网 时间：
作者：谢浩;潘甦;
单位：南京邮电大学通信与信息工程学院;
摘要：网络切片技术需实现物理网络的端到端按需切分，在不同租户间有效分配可用速率，同时为每个切片分配最小必要资源以满足差异化需求。为此，提出一种基于多智能体强化学习的无线电接入网(Radio Access Network, RAN)资源分配方法，在各租户处设置神经网络智能体，根据底层流量变化动态调整资源分配策略。通过聚合层管理各智能体网络参数，利用聚类算法聚合需求相似租户的智能体网络参数，更新各租户智能体本地模型，在达成全局最优解的同时加快训练速度并降低通信开销。仿真结果显示，该算法较现有其他算法奖励值提高约15.7%,租户的服务水平协议(Service Level Agreement, SLA)满意度和系统总的资源利用率均能维持在较高水平，且具备良好的扩展性。
关键词：5G网络切片;;无线电接入网切片;;深度强化学习;;多智能体强化学习;;无线电资源分配
基金资助：国家自然科学基金(62071244)~~
