申请/专利权人：西北工业大学

申请日：2023-11-30

公开（公告）日：2024-03-08

公开（公告）号：CN117676560A

主分类号：H04W12/03

分类号：H04W12/03;H04W12/00;H04W12/122;H04B7/185;H04L41/16;G06N3/092;H04W84/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明的一种低开销分布式的平均场强化学习无人机集群调度方法，重复执行以下步骤直至所有用户剩余未被服务的数据量归零：通过匹配算法获取当前时间帧的所有无人机的服务分配，基于当前时间帧所有无人机的位置计算所有无人机的组队分配；将当前时间帧每一个无人机的环境参数和每一个无人机的服务分配、组队分配输入平均场多智能体深度确定性策略梯度模型，获得所有无人机的调度策略；将每一个无人机的服务分配和调度策略输入无人机集群调度通信无线网络环境模型，每一个无人机接收并执行调度策略，然后进行辅助传输，确定下一时间帧的环境参数。本发明的方法能够减少无人机群辅助通信时的通信开销，提升用户通信安全性。

主权项：1.一种低开销分布式的平均场强化学习无人机集群调度方法，其特征在于，在包括多个无人机、多个用户和多个窃听者的场景中对无人机群进行调度，所述方法包括以下步骤：基于当前时间帧所有无人机的位置在所述场景中通过匹配算法获取当前时间帧的所有无人机的服务分配；基于当前时间帧所有无人机的位置计算所有无人机的组队分配；将当前时间帧每一个无人机的环境参数和每一个无人机的服务分配、组队分配输入平均场多智能体深度确定性策略梯度模型，获得当前时间帧所有无人机的调度策略，其中，所述环境参数括包当前时间帧每一个无人机的位置和剩余能量以及每一个用户剩余未被服务的数据量；将每一个无人机的服务分配和所有无人机的调度策略输入无人机集群调度通信无线网络环境模型，每一个无人机接收并执行调度策略，然后进行辅助传输，确定下一时间帧的环境参数；判断所有用户剩余未被服务的数据量是否均等于零，若是，对无人机群的调度结束，否则，返回基于当前时间帧所有无人机的位置在所述场景中通过匹配算法获取当前时间帧的所有无人机的服务分配步骤。

全文数据：

权利要求：

百度查询： 西北工业大学 一种低开销分布式的平均场强化学习无人机集群调度方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD