根據(jù)一方面，提供了一種訓(xùn)練策略的計算機實現(xiàn)的方法，該策略供通信網(wǎng)絡(luò)中的強化學(xué)習(xí)(RL)代理(406)使用，其中，RL代理(406)用于根據(jù)該策略優(yōu)化通信網(wǎng)絡(luò)的相應(yīng)小區(qū)(404)中的一個或多個小區(qū)參數(shù)，該方法包括：(i)為通信網(wǎng)絡(luò)中的多個小區(qū)(404)中的每一個小區(qū)部署(1001)相應(yīng)的RL代理(408)，該多個小區(qū)(404)包括彼此相鄰的小區(qū)，每個相應(yīng)的RL代理(408)具有策略的第一次迭代；(ii)根據(jù)策略的第一次迭代操作(1003)每個所部署(408)的RL代理，以調(diào)整或維持相應(yīng)小區(qū)(404)中的一個或多個小區(qū)參數(shù)；(iii)接收(1005)與該多個小區(qū)(404)中的每一個小區(qū)的操作相關(guān)的測量；以及(iv)基于所接收的與該多個小區(qū)(404)中的每一個小區(qū)的操作相關(guān)的測量來確定(1007)策略的第二次迭代。