咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于DRL的UAV辅助海上物联网联合卸载和资源分配 收藏

基于DRL的UAV辅助海上物联网联合卸载和资源分配

Deep reinforcement learning based joint offloading and resource allocation for UAV⁃assisted maritime Internet of Things

作     者:李予诺 魏泽 何荣希 LI Yunuo;WEI Ze;HE Rongxi

作者机构:大连海事大学信息科学技术学院辽宁大连116026 

出 版 物:《现代电子技术》 (Modern Electronics Technique)

年 卷 期:2025年第48卷第3期

页      面:141-148页

学科分类:080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 

基  金:国家自然科学基金项目(62371085) 大连市科技创新基金(2019J11CY015) 

主  题:移动边缘计算 无人机 深度强化学习 计算卸载 功率分配 轨迹规划 

摘      要:针对多无人机辅助海上物联网搜救场景,为了使无人机能处理无人船卸载的更多计算任务,同时尽可能减少无人机的能量浪费,文中提出一种基于深度确定性策略梯度(DDPG)的任务感知联合卸载和资源分配算法。首先,考虑无人机可自适应调整时隙内飞行时间以及无人船卸载任务在无人机排队计算的实际情况,建立了通信模型、计算模型和能耗模型。其次,通过联合考虑卸载决策、功率分配以及无人机飞行轨迹规划和速度调整,构建最大化所有无人机平均收益的优化问题;然后将该问题转化为马尔科夫决策过程,确立了对应的状态空间、动作空间和奖励函数,并通过DDPG算法求解出最优策略。仿真结果表明,与其他基准算法相比,所提算法可以有效提高无人机的平均收益。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分