一种基于深度强化学习 （DRL） 的面向 QoE 的计算卸载算法 资源内项目源码是均来自个人的课程设计、毕业设计或者具体项目，代码都测试ok，都是运行成功后才上传资源，答辩评审绝对信服的，拿来就能用。放心下载使用！源码、说明、论文、数据集一站式服务，拿来就能用的绝对好资源！！！ 项目备注 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、大作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 4、如有侵权请私信博主，感谢支持

安全技术-网络信息-认知无线网络QoE保障机制研究.pdf

xlink qoe multi-path quic

社交云中视频质量的体验质量（QoE）评估

无线网络QoE传输性能测试方案设计归类.pdf

基于视频质量评估的QoE/QoS映射模型研究，郑迪升，胡怡红，本文首先分析研究了主观视频质量评估方法的双刺激损伤评价和客观视频质量评估方法的MDI算法指标，并采用这两种指标作为QoE和QoS的衡

描述了影响视频流QOE的主要因素。对业务进行了分析

比特率自适应（ABR）算法已经成为视频传输中研究的热点之一。然而，由于5G无线异构网络具有信道带宽波动大、不同网络间差异明显等特点，多终端协同的自适应视频流传输面临着巨大挑战。提出了一种基于深度强化学习的自适应视频流传输控制方法。首先，建立了视频流动态规划模型，对传输码率以及分流策略进行联合优化。由于该优化问题的求解依赖于精确的信道估计，这在信道状态动态变化的网络中很难实现。因此，将动态规划问题改进为强化学习任务，并采用A3C算法，动态决策视频码率和分流策略。最后，根据实测的网络数据进行仿真，与传统的优化方法相比，本文所提的方法较好地提高了用户QoE。

针对多用户MIMO-OFDM系统，立足业务体验方，给出了一种最大化用户QoE的资源分配算法。通过设计QoE效用函数，将用户QoE与系统QoS参数关联起来，在发送功率和目标误码率的约束条件下，以最大化用户平均QoE为目标，通过QoE效用函数获取用户当前时刻QoE增量，据此确定用户时频资源分配优先级，进而进行注水功率分配。仿真结果表明，该算法能够充分利用系统资源，有效提高用户平均QoE。

用户体验质量(QoE)的模型与评价方法综述，对QoE概述的很全。