1.一种基于双向收发强化学习的定向天线邻居发现方法，其特征在于，包括：
2.如权利要求1所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述根据所述实时状态、实时动作及当前时隙中各子时隙的监听结果生成强化信号的步骤包括：
3.如权利要求2所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述根据发送机的监听结果生成强化信号的步骤包括：
4.如权利要求2所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述根据接收机的监听结果生成强化信号的步骤包括：
5.如权利要求1所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述节点定义为单独的智能体{a,p,r,t}；
6.如权利要求1所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述根据所述强化信号，更新扇区选择概率集合的步骤包括：
7.如权利要求1所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，所述根据所述强化信号，更新扇区选择概率集合的步骤包括：
8.如权利要求1所述的基于双向收发强化学习的定向天线邻居发现方法，其特征在于，当所述时隙的值为0时，各扇区选择概率相等。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。