于2021年10月27日-28日举办的EAI MONAMI 2021线上会议中，我所研究生程红的论文“Deep Reinforcement Learning-based Resource Allocation for 5G Machine-type Communication in Active Distribution Networks”获得“最佳论文奖”。
EAI MONAMI 2021为世界各地的领先研究人员、行业专业人士和学者提供了机会，以聚会和讨论这些领域的最新进展，并介绍与实现未来移动计算系统可持续生态系统的技术相关的成果。论坛的目的是传播最新的创新移动网络解决方案，以便在与众多接入技术、网络运营商和业务参与者的环境中加强竞争与合作。
与4G相比，5G具有更高的速率、更宽的带宽、更高的可靠性以及更低的时延等特征。而5G信道中通信资源分配是实现低延迟高可靠性通信的关键一步，为了提高传输可靠性，该论文提出了数据重传的思路，并利用深度强化学习能够快速自适应地解决组合优化问题这一特点为5G通信资源分配提供新的方法，推动未来的5G技术向着超高可靠性，超低延迟方向发展。
该论文利用深度强化学习解决5G通信上行信道中的资源分配问题，既迎合了此次会议的主题“移动网络和管理技术”，又为未来5G技术的发展贡献了力量。
