针对光网络资源分配中频谱资源利用率不高的问题，提出了一种改进的深度Q网络(DQN)强化学习算法。该算法基于ε-greedy策略，根据动作价值函数和状态价值函数的差异来设定损失函数，并不断调整ε值，以改变代理的探索率。通过这种方式，实现了最优的动作值函数，并较好地解决了路由与频谱分配问题。此外，采用了不同的经验池取样方法，以提高迭代训练的收敛速度。仿真结果表明：改进DQN强化学习算法不仅能够使弹性光网络训练模型快速收敛，当业务量为300 Erlang时，比DQN算法频谱资源利用率提高了10.09%，阻塞率降低了12.41%，平均访问时延减少了1.27 ms。

为了消除可见光通信系统中多小区和多用户信号干扰，提出一种基于正交频分多址(OFDMA)的多小区协作可见光通信系统二维功率分配算法。首先，根据信道情况，采用OFDMA多小区协作资源分配算法给信道情况差的用户分配更高的功率；然后，根据信道信息求解共照区域用户多个协作发光二极管(LED)的发送功率比，得到最优的目标叠加星座。仿真结果表明：与平均功率分配算法相比，一维功率分配算法误码率性能平均提升了16%；与一维功率分配算法相比，二维功率分配算法误码率性能平均提升了10%。

跳波束技术作为一种高通量卫星资源分配方法, 能够根据地面业务需求灵活配置星上资源, 提高星上资源利用率。本文将跳波束技术应用到低轨星座场景中, 针对用户业务先验未知和先验已知两种情况, 考虑波束间的共信道干扰, 基于迭代算法和凸优化制定了适用于低轨星座的两种跳波束资源调度策略。与传统策略对比, 能达到更高的系统吞吐量, 同时具有较好的时延性能, 且适应用户业务的不均分布。

设计了一种联合功率与子信道的资源分配算法, 该算法用于正交频分复用(OFDM)的多色可见光通信(VLC)系统。相比于传统的单色光通信, 文章所设计的算法可用于多种可见光, 包括红、绿、蓝等多种可见光的OFDM信号传输。该资源分配算法目的在于最大化可见光传输网络的传输速率, 首先对三种不同的可见光进行子信道的优化分配, 得到该优化值后对其进行功率分配, 以达到最终的目标优化值。仿真结果表明, 相比于固定的资源分配算法, 该算法可以取得更高的传输速率。

针对综合模块化航电(IMA)架构双层调度中的资源分配问题, 提出一种基于混沌Logistic映射自适应NSGA-Ⅱ算法的双层资源分配方法。首先, 根据IMA架构任务调度及分区调度要求, 同时考虑资源分配均衡性因素, 分别构建分区资源分配模型和节点资源分配模型; 其次, 采用改进NSGA-Ⅱ算法对模型进行优化求解, 引入混沌Logistic映射生成初始种群, 提升初始种群的遍历性, 并采用自适应交叉、变异算子增强算法的搜索性能和收敛速度; 最后, 选取不同规模的算例进行实验, 结果表明, 所提方法能够有效解决IMA架构的资源分配问题, 提升分配效率并优化分配结果。

传统空分复用弹性光网络中仅考虑纤芯频谱资源的无保护分配, 缺少对业务生存性的保障。提出了一种基于共享风险组的生存性路由纤芯频谱分配(RCSA)改进算法, 该算法基于共享风险纤芯组的设想, 在单根多芯光纤中同时分配业务的工作频隙和保护频隙, 并基于纤芯间串扰机理引入了业务分配优先度参数, 根据优先度选择引起串扰最小的频隙分配方案。仿真结果表明, 所提算法可以在保障业务生存性的同时有效减少带宽阻塞率和芯间串扰。

为了提高光网络对大规模、差异化电力业务的资源分配能力, 降低大规模业务的算法训练时间, 提出了一种基于多智能体深度确定性策略梯度算法的智能电网光网络资源分配方案。该方案考虑大规模和差异化电力业务, 将智能电网光网络建模成多智能体系统, 以最大化电网公司收益为目标, 建立了智能电网光核心网络切片模型, 进行网络资源分配优化, 并采用条件判断映射, 简化了优化问题。同时, 把不同业务部署到不同智能体中进行运算, 以降低训练时间, 满足网络实时性需求。仿真结果表明, 该算法具有更大的奖励、更低的成本、时延和训练时间。

针对室内可见光通信(VLC)系统中存在小区间干扰的问题, 提出一种联合光源布局的多小区协作多输入多输出(MIMO)正交频分多址(OFDMA)VLC系统资源分配算法。首先, 在不影响照明的前提下, 通过优化光源布局, 将小区干扰限制在2个LED覆盖范围内；然后, 引入协作MIMO技术, 以用户公平性为优化目标；最后, 对基于空分复用(SMP)和重复编码(RC)这2种协作模式的MIMO OFDMA VLC系统资源分配性能进行仿真。仿真结果表明: 2种协作模式的MIMO OFDMA VLC系统的性能均优于单输入单输出(SISO)OFDMA VLC系统。基于RC模式的VLC系统对信道相关性鲁棒, 其传输速率约为SISO OFDMA VLC系统的1.2倍。当信道矩阵条件数低于6时, 基于SMP模式的VLC系统因获得较大的复用增益性能更优；当信道矩阵条件数等于2时, 其VLC系统数据传输速率约为SISO OFDMA VLC系统的1.32倍。

移动边缘计算(MEC)通过将计算任务卸载到MEC服务器上，在缓解智能移动设备计算负载的同时，可以降低服务时延。然而目前在MEC系统中，关于任务卸载和资源分配仍然存在以下问题: 1)边缘节点间缺乏协作；2)计算任务到达与实际环境中动态变化的特征不匹配；3)协作式任务卸载和资源分配动态联合优化问题。为解决上述问题，文章在协作式MEC架构的基础上，提出了一种基于多智能体的深度确定性策略梯度算法(MADDPG)的任务卸载和资源分配算法，最小化系统中所有用户的长期平均成本。仿真结果表明，该算法可以有效降低系统的时延及能耗。

针对宏微协同组网下小区间无线资源管理问题, 文章提出一种大规模多入多出系统下基于微小区分簇的联合传输和动态频谱分配策略, 该策略分两步执行以优化网络加权和速率。首先, 所提算法根据各用户当前的信道状态执行微小区分簇, 以尽可能地降低小区间干扰, 提升系统容量。接着, 宏基站和各微小区簇根据所服务用户当前的业务请求信息分别为其动态分配子载波, 以最大化网络加权和速率, 并提升资源利用率。仿真结果显示, 该文提出的微小区分簇和动态频谱分配策略能在尽可能降低宏微协同组网中用户间干扰的同时, 有效地提升系统吞吐量。