一种基于图注意力网络的多智能体强化学习资源分配方法

本发明公开一种基于图注意力网络的多智能体强化学习资源分配方法，属于车用无线通信与人工智能交叉技术领域。所述方法包括：构建由可重构智能表面（RIS）辅助的无线通信网络模型，将多个网络节点作为智能体；将资源分配问题抽象为联合优化信息年龄（AoI）与通信可靠性的多智能体决策分配问题；设计基于图注意力网络（GAT）的强化学习算法，定义状态、动作及奖励函数；基于该算法对资源分配策略进行迭代优化，得到最优的联合分配方案。本发明利用GAT的自注意力机制实现智能体间高效协作，突破局部观测限制，提升复杂多目标优化下的系统性能和资源利用效率，支持大规模车辆网络的高效协作。