本发明公开了一种面向数据采集的多无人机智能航迹规划方法。该发明属于无人机控制领域，主要解决了无人机在未知大规模环境中收集节点数据时的动态自主航迹规划问题。所提方法通过将无人机航迹规划问题建模成为部分可观测马尔可夫决策过程，利用深度强化学习对问题进行求解。该方法通过集中式训练、分布式应用的方式，实现了多无人机在未知环境中采集节点数据时动态规划飞行轨迹，使用了ED3QN(Extended Double Dueling Deep Q‑Network)方法通过与仿真环境的交互训练出可自主动态规划无人机航迹的智能体。此外，该方法还通过加入竞争机制和候选节点队列，解决了多机协同问题；用奖励重塑法设计了非稀疏的奖励函数，使之适用于大规模复杂环境；通过机载全向激光雷达获取障碍物信息，减小环境中动态或静态障碍物对无人机飞行安全的威胁。大量的仿真实验证明了该方法的有效性和鲁棒性。
本发明公开了一种基于信息年龄约束的链路资源分配方法。在传统的车联网模式不能满足要求时，采用设备到设备(Device to Device，D2D)通信的用户彼此之间直接通信或通过蜂窝通信进行集中式控制并能够实现两种通信模式的随时切换。该方法考虑到车辆行驶过程中的资源动态变化情况，在车联网中采用基于DDQN执行多智能体强化学习架构，将V2V链路的总传输速率和总信息年龄负数之和作为奖励函数中的变化量，实现链路资源的优化分配，以满足V2V用户对安全性以及对信息新鲜度和可靠性的服务质量要求。
