买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于Safe MARL的多无人机辅助MEC系统的任务卸载方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120010949B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510046008.X，技术领域涉及：G06F9/445；该发明授权基于Safe MARL的多无人机辅助MEC系统的任务卸载方法是由董璐;石祥沛;邱玥灏;袁心设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本基于Safe MARL的多无人机辅助MEC系统的任务卸载方法在说明书摘要公布了：本发明公开了一种基于SafeMARL的多无人机辅助MEC系统的任务卸载方法，通过协同多个无人机与部署在低空平台上的边缘云，为用户设备提供高效的计算卸载服务。为应对用户设备计算需求的动态变化及无人机资源的有限性，同时考虑到无人机的飞行安全，本发明提出了一种联合优化无人机飞行轨迹、计算任务分配和用户调度的策略，以实现系统执行延迟与能耗的最小化，同时确保无人机飞行的安全性。具体而言，本发明将任务卸载优化问题建模为受约束的马尔可夫决策过程，并引入先进的多智能体安全强化学习方法，开发出MACTD3求解算法。本发明所述方法显著提升了多无人机辅助MEC系统在应对大规模任务处理需求下的效率与安全性，具有广泛的应用前景和显著的技术优势。

本发明授权基于Safe MARL的多无人机辅助MEC系统的任务卸载方法在权利要求书中公布了：1.基于SafeMARL的多无人机辅助MEC系统的任务卸载方法，其特征在于：包括以下步骤： S1：设计多无人机辅助MEC系统，具体如下： 该系统包括M个移动设备、N个无人机、一个部署在静止低空平台上的边缘云EC；每个无人机仅为其覆盖范围内的地面移动设备提供服务，并且各无人机覆盖范围之间没有重叠；无人机的飞行区域内存在0个禁飞区，整个系统模型分为无人机移动模型、通讯模型、计算模型三部分； S2：计算性能指标； S3：约束优化形式化； S4：基于安全多智能体强化学习框架SafeMARL，设计安全强化学习四要素，即状态st、动作at、奖励rt、代价ct；具体设计如下： 1状态空间：在所提出的多无人机辅助的MEC系统中，状态空间是由无人机、实时移动的终端用户以及所处的环境共同决定，无人机n的状态空间定义为： ； 其中表示无人机n的位置信息，表示无人机n的剩余能量，表示M个移动设备的位置信息，表示M个移动设备的任务信息； 2动作空间：无人机n的动作空间定义为： ； 其中，分别表示无人机n的飞行距离与飞行角度，表示无人机n的上传功率，表示为移动设备m的任务在无人机n上执行的比例； 3奖励函数：奖励函数是环境对智能体动作的反馈信号，用于评估智能体的行为并帮助其改进策略；定义的奖励函数如下： ； 其中，和分别是用于表示能耗和延迟重要性的权重；表示能耗敏感场景，而则适用于对延迟敏感的情况；此外，当任何移动设备未被无人机覆盖时，所有无人机将面临惩罚项，代表惩罚权重； 4代价函数：当智能体采取不安全的动作时，将会产生相应的代价值，要求智能体的代价值不能超过预设安全阈值，智能体执行任务时必须避免不安全行为；代价函数定义为： ； 其中，、和为二进制参数，用于衡量无人机在时隙t是否违反了特定的安全约束；具体而言，表示无人机n进入了禁飞区；表示无人机n与其他无人机存在碰撞风险；表示无人机n的覆盖范围与其他无人机的覆盖范围重叠；逻辑或操作保证了只要有违反任一项安全约束，代价值即为1； S5：使用MACTD3算法求解最优策略，每个无人机n拥有Actor网络、Critic网络与、代价评估网络，以及对应的目标网络、、和；其中，Actor网络用于生成智能体的动作策略，Critic网络用于评估给定状态和动作下的累积奖励，CostCritic网络用于评估给定状态和动作下的累积成本，目标网络用于缓解训练过程中的不稳定性；MACTD3算法采用了集中式训练、分布式执行的方法来寻找最优联合策略。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。