python资源分配算法_DRL based Resource Allocation Framework

Deep Reinforcement Learning based Resource Allocation Framework

这是什么？

这是一个基于深度强化学习(Deep Reinforcement Learning)的资源分配算法，它能够根据用户信道条件的好坏，动态地分配子信道和传输功率，最大化非正交多址调制(NOMA)系统的能量效率。

本项目基于Deep Q Learning Network(DQN)和Deep Deterministic Policy Gradient(DDPG)算法。

如果你是机器学习，特别是深度强化学习的新手，又正好在进行通信邻域的智能算法的研究，那么本项目是你了解强化学习算法的不二之选！当然，强化学习的优势之一就是它可以被轻易地迁移到其他应用场景之中。因此，如果你是别的邻域的研究人员，相信本项目一样对你有参考价值。

如何开始？

首先确保你安装了Python，以及下列库文件：

numpy：https://numpy.org/ 用于对矩阵，列表等数据进行处理。

pandas：https://pandas.pydata.org/ 一样是用于对数据进行处理，特别是对csv文件进行导出和导入。

keras：https://keras.io/zh/ 一个基于Python的高级神经网络API。

克隆本项目的代码到你喜欢的任意位置。然后，你只需要打开根目录下的run.py文件，即可以轻松运行！

(Note：在Pycharm下记得选择正确的Project Interpreter)

本项目通过深度强化学习算法，得到每个时隙下，适合