一种基于SAC强化学习的CR-NOMA网络功率分配优化方法

一种基于SAC强化学习的CR‑NOMA网络功率分配优化方法，属于无线通信网络优化领域。本发明采用SAC强化学习算法，能够自适应学习复杂网络环境的动态特性，无需预先建立精确的数学模型，相比传统基于数学优化的方法具有更强的环境适应能力和鲁棒性。通过设计连续动作空间和softmax映射机制，能够精确控制功率分配参数，避免了离散动作空间的量化误差，显著提升了功率分配的精度和灵活性。