高速铁路5G-R网络切片自适应资源调度策略OA

针对5G-R/未来铁路移动通信系统(FRMCS)网络切片在业务异构、节点高速移动及激励缺失方面的资源调度挑战,提出一种融合分层联邦学习(HFL)、Stackelberg博弈与多任务近端策略优化(MT-PPO)的协同智能调度框架。首先构建三层HFL架构实现非独立同分布(Non-IID)数据高效处理与资源状态预测,其次通过双层动态博弈提升节点参与度与协同效率,最后MT-PPO算法融合二者输出完成差异化调度。仿真结果表明,所提框架在业务服务质量(QoS)、资源利用率及吞吐量等方面较现有基线方法具有较好的性能。