基于深度强化学习的矿井5G优化方案

摘要

针对煤矿井下复杂环境中第五代移动通信技术（5th-Generation Mobile Communication Technology,5G）网络覆盖性能优化的问题，提出一种基于深度强化学习的矿井5G优化方案。面向10km主运巷道场景，综合考虑巷道截面尺寸、壁面粗糙度、设备遮挡等多重传输损耗因素，建立融合视距/非视距路径损耗模型与粗糙度衰减因子的信号传播数学模型。将深度Q网络作为价值函数近似器的强化学习智能体，并通过基站部署与发射功率将在线优化转化为多目标决策问题，以最小基站数量实现覆盖率最大化。采用动态功率调整机制，以实时优化基站发射功率，从而适应局部信号衰减的突发变化。实验结果表明，该方案可以实现95%以上的覆盖率，相较于传统静态方案减少了28%基站部署，显著提升了井下5G网络覆盖性能，并能够降低部署成本与运行功耗。

关键词

矿下移动网络 / 强化学习 / 深度Q网络 / 网络布局策略 / 路径损耗模型