深度强化学习在通信与网络中的应用：综述

本文对深度强化学习在通信与网络中的应用进行了全面的文献综述。现代网络，例如物联网（IoT）与无人机（UAV）网络，变得更加去中心化与自治。在此类网络中，网络实体需在不确定网络环境下本地决策以最大化网络性能。当状态与动作空间较小时，强化学习已被高效用于使网络实体获得最优策略（包括决策或动作）。然而，在复杂大规模网络中，状态与动作空间通常很大，强化学习可能无法在合理时间内找到最优策略。因此，深度强化学习——即强化学习与深度学习的结合——被提出以克服上述缺陷。本综述中，我们首先从基础概念到高级模型对深度强化学习进行教程式介绍。随后，我们综述为解决通信与网络中新兴问题而提出的深度强化学习方法。这些问题包括动态网络接入、数据速率控制、无线缓存、数据卸载、网络安全与连通性保持，它们对 5G 及更下一代网络至关重要。此外，我们给出深度强化学习在流量路由、资源共享与数据收集中的应用。最后，我们强调应用深度强化学习的重要挑战、开放问题与未来研究方向。