Delay-Oriented Scheduling in 5G Downlink Wireless Networks based on Reinforcement Learning with Partial Observations（作者：Yijun Hao, Fang Li, Cong Zhao, and Shusen Yang*）。该工作提出了一种基于部分可观测网络状态下的无线资源调度框架RPPO。该算法框架使分组调度器能够高效地分配资源，同时满足不同业务的时延要求。在提出的RPPO算法中，代理使用有限的状态信息协调调度策略，以减少延迟。通过集成流量预测算法，我们的方案也适用于涉及负载平衡的多小区场景。最后，我们基于负载调度特性以可接受的计算复杂度优化大规模网络级延迟。通过与现有调度方案进行比较的大量仿真，验证了该解决方案的有效性。