在具有跨层干扰的下行多LEO通信系统中，利用进化强化学习进行资源效率优化

《IEEE Transactions on Cognitive Communications and Networking》：Evolutionary Reinforcement Learning for Resource Efficiency Optimization in Downlink Multi-LEO Communication System with Cross-Layer Interference

多低地球轨道通信系统中资源效率优化与干扰抑制研究，提出联合优化发射功率、天线波束宽度及空间角度的进化强化学习框架，实现资源效率提升30.9%和干扰降低39.2%。

　　

摘要：

在本文中，我们研究了多LEO通信系统的资源效率问题，该问题面临着频谱和能源资源有限以及严重的跨层干扰所带来的挑战。具体而言，我们联合优化了发射功率、天线波束宽度以及俯仰角和方位角，以同时最小化资源利用效率的低下和下行传输中的平均干扰。为了解决这一优化问题，我们提出了一种进化强化学习（ERL）框架，在该框架中，网络使用深度强化学习（DRL）中的梯度下降方法进行更新，并通过遗传算法进行改进。统计结果表明，所提出的方法非常有效，资源效率提高了30.9%，干扰水平降低了39.2%。