在无线通信系统与网络中采用能量收集技术、通过收集环境中的能量为系统和网络中的节点供电,是一种对环境友好、高费效比的供电方式。但是能量收集过程的随机性和不确定性也带来了新的挑战,能量收集通信节点的能量管理和功率控制问题是需要解决的重要问题之一。强化学习是一种不依赖环境先验知识的自适应在线学习方法,学习主体在和环境的不断交互过程中学习策略。本文采用强化学习解决能量收集安全通信系统中的功率控制问题,论文的主要工作如下。1.研究由一个能量收集发送节点、一个目的节点和一个窃听节点组成的无线安全通信系统中的发送功率控制问题。在环境状态信息事先未知的场景下,给出基于强化学习的、仅依赖于当前系统状态的在线功率控制算法。该功率控制问题被建模为马尔科夫决策过程,并采用两种方法获得功率控制方案,一是先将连续状态空间进行离散化处理,再采用Q学习算法获得发送功率;二是采用神经网络近似Q值函数来解决系统状态为连续取值的问题,再采用深度Q网络获得发送功率。2.研究由多个能量收集发送节点、一个目的节点和一个窃听节点组成的无线安全通信系统中发送节点调度和发送功率控制问题。系统中环境状态信息事先未知。首先从信息传输的安全性能和能量使用效率的角度选择发送节点;然后将发送功率控制问题映射为以环境信息为状态、发射功率为动作、保密速率为奖励的马尔可夫决策过程;最后采用基于深度确定性策略梯度算法最大化平均保密传输速率。