[发明专利]基于深度强化学习的静态环境下的最大化全局吞吐量方法在审
| 申请号： | 201910741851.4 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110458283A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 刘倩;丁冉;赵熙唯;吴平阳;邢志超;李骏;桂林卿 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 32254 江苏楼沈律师事务所 | 代理人： | 沈勇<国际申请>=<国际公布>=<进入国 |
| 地址： | 210094江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明设计了一种最大化全局吞吐量方法，实现了在移动边缘计算架构中将无人机当作移动边缘计算服务器为终端静止用户提供及时有效的计算服务。随着现代科技技术日新月异，来自终端用户的任务越来越多，传统的移动边缘计算框架已无法为用户提供及时有效的计算服务，因此考虑将无人机当作移动计算服务器，在用户的上方为其提供服务，从而实现高效的交互服务。本发明考虑到用户移动较慢，将其近似看成静止不动的，通过对用户状态和无人机状态以及无人机与用户之间的信道状态进行建模，结合深度强化学习算法最大化全局吞吐量。 | ||
| 搜索关键词： | 计算服务 最大化 吞吐量 移动 强化学习算法 计算服务器 交互服务 静止用户 科技技术 信道状态 移动计算 用户提供 用户移动 用户状态 终端用户 传统的 建模 全局 服务器 近似 静止 架构 终端 服务 | ||
【主权项】：
1.基于深度强化学习的静态环境下的最大化全局吞吐量方法，其特征在于：考虑终端用户的公平性，以及无人机有限电量的能量约束，需考虑无人机在每个时隙的飞行决策，合理分配有限的能量充分服务用户，从而最大化用户吞吐量。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910741851.4/，转载请声明来源钻瓜专利网。
