LLM 引导截断分位数评论家算法

动态动作掩码加速收敛

利用大型语言模型动态调节超参数、并用动态动作掩码消除无效探索，专为多层低轨卫星网络中高动态非凸的切换与传输联合优化问题设计。

Li, Jiahui · 孙庚 · 孙泽敏 · 王嘉诚 · Liu, Yinqiu · 张锐晨 · Niyato, Dusit (Tao) · Shiwen, Mao

IEEE Journal on Selected Areas in Communications 2026

技术优势

收敛更快

截断分位数评论家方法降低了价值估计方差，同时动态动作掩码消除了无效探索，使学习过程更快稳定。

超参数免手调

利用 LLM 在训练过程中根据上下文逐步调整超参数，无需人工试错；DeepSeek 的渐进式调节效果优于其他 LLM。

切换更少

通过在优化目标中同时考虑切换频率与下行速率，并联合优化配置与切换决策，减少了不必要的切换。

应用场景

• 多层低轨卫星网络：为高动态多层网络提供自适应切换与传输调度，保证可靠覆盖。
• 混合 FSO/RF 链路调度：在混合链路下联合优化配置，平衡 FSO 高带宽与 RF 抗天气能力。
• 空天地一体化网络：协调卫星、高空平台与地面终端资源，实现一体化智能管理。
• 通信资源智能调度：用 LLM 引导的强化学习自动调整策略，替代人工参数整定。