1.一种集能型无线中继网络吞吐量最大化方法，其特征在于：所述方法包括以下步骤：

1)集能型无线中继网络中通过可再生能量优化管理实现最大吞吐量，其中，优化问题描述为一个多变量优化问题：

P1:

受限于：

在此，问题P1的各参数定义如下：pi：中继节点在时隙i的传输功率；

ri：中继节点在时隙i的数据率；

τi：源节点在时隙i的传输时间；

中继节点在时隙i的传输时间；

ui：源节点在时隙i的数据率；

hi：中继节点到目的节点的信道增益；

Ei：中继节点在时隙i时所采集的能量；

Emax：中继节点的电池最大容量；

Qmax：中继节点的数据缓存容量；

L：单个时隙长度；

T：传输时隙数；

W：网络带宽；

2)将问题P1分解为两部分优化：功率子优化和时隙子优化，即通过优化变量pi和 来得到最优的ri，其中，通过深度确定性策略梯度方法来优化中继节点在各时隙i上的传输功率pi和传输时间 从而最终决定问题P1中各时隙i的数据率ri之和的最大化；

该深度确定性策略梯度方法由执行单元，评分单元和环境所组成，所有的传输功率pi和传输时间 都被编进了执行单元所需的状态xt，执行单元在当前状态下采取动作a对传输功率pi和传输时间 进行更改并进入下一个状态xt+1，同时得到环境返回的奖励r(xt，a)，评分单元结合状态xt，动作a以及环境返回的奖励r(xt，a)给执行单元打分，即表明执行单元在状态xt下采取动作a是好是坏；执行单元的目标就是让评分单元所打的分越高越好，而评分单元的目标是让自己每次打出的分都接近真实，这可以通过奖励r(xt，a)来调节；在执行单元，评分单元和环境不断交互更新下，传输功率pi和传输时间 将不断被优化直到被更新到最优，评分单元的更新方式为：S(xt，a)＝r(xt，a)+γS′(xt+1，a′)     (3)其中，各参数定义如下：

xt：在时刻t，系统所处状态；

xt+1：在时刻t+1，系统所处状态；

a：在当前状态执行单元所采取的动作；

a′：在下一状态执行单元所采取的动作；

S(xt，a)：执行单元中的评估网络在状态xt下采取动作a所得到的分值；

S′(xt+1，a′)：执行单元中的目标网络在状态xt+1下采取动作a′所得到的分值；

r(xt，a)：在状态xt下采取动作a所得到的奖励；

γ：奖励衰减比重；

3)所有的传输功率pi和传输时间 作为深度确定性策略梯度方法的状态xt，动作a则是对状态xt的更改，更改后系统在各时隙i的数据率ri之和会与一个设定的标准值进行比较，如果比这个标准值大则使当前奖励r(xt，a)设为正值，反之设为负值，同时系统进入下一状态xt+1；

所述步骤3)中，深度确定性策略梯度方法的迭代过程为：步骤3.1：初始化深度确定性策略梯度方法中的执行单元，评分单元和记忆库，当前系统状态为xt，t初始化为1，迭代次数k初始化为1；

步骤3.2：当k小于或等于给定迭代次数K时，在状态xt下，执行单元预测出一个动作a；

步骤3.3：动作a对状态xt进行更改，使其变成下一状态xt+1并得到环境所反馈的奖励r(xt，a)；

步骤3.4：按照格式(xt，a，r(xt，a)，xt+1)把历史经验保存在记忆库中；

步骤3.5：评分单元接收动作a，状态xt和奖励r(xt，a)，给执行单元打出分数S(xt，a)；

步骤3.6：执行单元通过更新自身参数不断去最大化分数S(xt，a)，尽可能地让自己在下次能做出高分动作；

步骤3.7：评分单元抽取记忆库中的历史经验，不断学习，更新参数使得自己所打的分尽可能准确，同时k＝k+1，回到步骤3.2；

步骤3.8：当k大于给定迭代次数K时，学习过程结束，得到最佳传输功率pi和传输时间