[发明专利]一种基于深度强化学习的成本最优空地网络任务卸载方法在审
| 申请号： | 202211237223.0 | 申请日： | 2022-10-10 |
| 公开（公告）号： | CN115967430A | 公开（公告）日： | 2023-04-14 |
| 发明（设计）人： | 秦鹏;王硕;伏阳;武雪;付民;王淼 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | H04B7/185 | 分类号： | H04B7/185;H04W28/08;H04W28/084;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 102206*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度强化学习的成本最优空地网络任务卸载方法。所述方案包括：我们首先提出了一种空地一体化异构网络模型，该模型由高空平台站(HAPS)和多个配备边缘服务器的无人机(UAV)组成。每个用户都可以选择在本地执行任务或在边缘执行任务。我们的目标是优化延迟和能耗的权重。该问题是通过联合考虑任务卸载决策和计算资源分配来描述的，但由于优化变量之间的强耦合，这是一个混合整数非线性规划(MINLP)问题。因此，我们将其分解为两个子问题，并设计一种基于深度强化学习的方法来解决计算卸载决策问题。对于第二个计算资源分配子问题，提出了一种基于贪婪的解决方案。基于深度强化学习的卸载方法在与环境交互学习到最佳的卸载策略，可以更好地解决动态复杂的通信场景。 | ||
| 搜索关键词： | 一种 基于 深度 强化 学习 成本 最优 空地 网络 任务 卸载 方法 | ||
【主权项】：
暂无信息
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华北电力大学，未经华北电力大学许可，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/202211237223.0/，转载请声明来源钻瓜专利网。
