摘要
一种基于深度强化学习的无人机通信系统策略优化方法，建立无人机通信系统模型，包括一个无人机、RIS以及多个地面接收用户，在给出特定的信道状态信息（CSI）情况下，利用深度强化学习（DRL）技术，通过改进的TD3算法improvement‑TD3对最大化速率C进行优化，求得最优的波束成形矩阵和相移矩阵。本发明在现有的TD3算法中引入了熵正则化，以增强探索性，促使智能体更多地探索环境，平衡探索与利用之间的关系，最终获得最优的发射波束成形矩阵和RIS相移，避免陷入局部最优解，提高学习的鲁棒性和泛化能力。
