申请/专利权人:南京工业大学
申请日:2023-10-26
公开(公告)日:2024-01-26
公开(公告)号:CN117454967A
主分类号:G06N3/092
分类号:G06N3/092;G06N3/042;G06N5/04;G06Q10/067;G06Q50/50
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.13#实质审查的生效;2024.01.26#公开
摘要:本发明提出了一种融合深度强化学习和图神经网络的关联算法,意在解决超密集近地轨道卫星网络下的航空器关联问题.本发明所述方法包括以下步骤:首先,将复杂卫星网络下的航空器关联问题建模为顺序决策问题.接着,对时间做分段处理,将顺序决策问题转化为马尔可夫决策过程.最后,设计融合深度强化学习和图神经网络的关联算法,通过在深度强化学习算法SACSoftActor‑Critic中应用图神经网络替代传统神经网络来求解复杂卫星网络的关联策略.最后的仿真结果表明,本发明提出的关联算法在超密集近地轨道卫星网络中可以获得更优的航空器关联策略,提高系统的整体吞吐量。
主权项:1.一种融合DRL和GNN的航空器关联算法,其特征在于,包括如下步骤:步骤1、将超密集近地轨道卫星网络中航空器关联决策问题建模,明确目标函数;步骤2、在模型目标函数的求解公式和约束条件确定后,将目标函数的求解转化为马尔可夫决策过程;步骤3、将复杂卫星网络用图进行建构,将图神经网络嵌入到深度强化学习框架中参与决策过程。
全文数据:
权利要求:
百度查询: 南京工业大学 融合DRL和GNN的航空器关联算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。