Técnica de gerenciamento de recursos baseada em aprendizado por reforço profundo de múltiplos agentes para redes veiculares em tráfego heterogêneo

Key Points

• Desenvolver uma técnica de aprendizado por reforço profundo de múltiplos agentes para um gerenciamento eficaz de recursos em redes veiculares sob diferentes condições de tráfego.
• Utilizou sistemas de múltiplos agentes para gerenciar recursos em redes veiculares.
• Aplicou algoritmos de aprendizado por reforço profundo para otimizar a tomada de decisão.
• Simulou cenários de tráfego heterogêneo para avaliar a eficácia.
• Demonstrou eficiência melhorada na alocação de recursos em comparação com métodos tradicionais.
• Mostrou uma redução significativa na latência dentro da rede.
• Encontrou desempenho aprimorado na gestão de cargas de tráfego variáveis.