基于CBR与合作Q学习的分布式CRN资源分配算法

针对分布式认知无线电网络的信道和功率分配问题,提出一种基于案例推理与合作的Q学习算法。为了优化Q学习算法的Q初始化,将当前问题和历史案例依据相似度函数进行匹配,提取匹配案例的Q值并在归一化后作为初始值,进行合作Q学习。合作Q学习是基于总奖赏值进行的,各Agent以不同权值融合其他具有更高奖赏值的Agent的Q值来获取学习经验,以减少不必要的探索。仿真结果表明,该算法提高了认知系统信道和功率分配的能量效率,加快了系统的收敛速度。