随着无线通信的发展,频谱资源利用率低这一现象已经引发了广泛关注。为了使不可再生的频谱资源得到更充分地利用,多项技术被用来实现频谱共享,然而,这也带来了一些不可避免的问题,所以降低用户间的干扰,实现资源的合理有效分配变得越来越重要。对于单个用户来说,与其使用同一频谱资源的其他用户的发射功率都被看作是干扰信号,过大的发射功率会对用户的通信产生威胁,因此,通过合适的算法实现功率智能分配意义重大,优化算法往往具有较高的复杂性,难以满足环境动态变化下的实时性要求,本文将基于强化学习算法对多用户的功率分配方案进行研究。针对非协作功率控制的场景设定,用户之间不进行任何信息交互,智能体无法感知环境的全局状态,于是本文提出了无状态假设,并据此推导出多智能体Q学习理论框架。由于传统的多智能体Q学习算法要求智能体知道其他智能体的策略信息,而这在非协作场景下无法实现,因此,本文提出了一个基于历史经验估计奖励回报的多智能体Q学习算法,通过取对应动作所获奖励的历史平均值,在用户信息零交互的情况下完成功率智能分配。经过实验验证,算法能够收敛至纳什均衡,且收敛速度更快。另外,与传统优化算法进行比较,优化算法可以在给定场景下求得最多有多少用户同时满足它们的Qo S要求,而本文算法在相同场景下能够达到这个最优解。强化学习算法收敛的纳什均衡并不一定能够保证系统中所有用户都满足Qo S要求,而在认知无线电场景中,主用户的通信质量应当被优先保证,本文考虑一个主用户和多个次用户共享相同的频谱资源的场景,设计了一种新的奖励函数,使用户在进行功率调整时,优先满足主用户的Qo S要求,然后尽可能提升自己的信干噪比,实验证明,本文的功率分配方案比其他方法能允许更多的用户同时使用同一频谱资源,保证资源分配的公平性。