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！

申请/专利权人：广西大学

摘要：本发明公开了一种联合优化VNF部署和无人机轨迹的深度学习方法及系统，本发明方法包括构建轨迹动作网络和虚拟网络功能部署Q网络，训练轨迹动作网络使得轨迹动作网络生成的一系列离散动作构成的无人机飞行轨迹方案能接纳所有请求且使无人机飞行能耗成本、处理请求的计算成本和处理请求的能量消耗成本之和最小；利用训练好的轨迹动作网络来训练虚拟网络功能部署Q网络使其得到VNF部署方案的网络成本最小。本发明旨在解决为实现离散动作和连续动作联合优化而统一变量类型而造成的学习训练速度过慢或收敛具有振荡的问题，能够确保得出的结果是对离散动作和连续动作这两类动作的联合优化。

主权项：1.一种联合优化VNF部署和无人机轨迹的深度学习方法，其特征在于，包括：步骤S101，初始化构建轨迹动作网络、虚拟网络功能部署Q网络、批判网络、目标轨迹动作网络和目标批判网络，所述轨迹动作网络的输入是所有无人机的当前位置信息、所有无人机上的VNF部署方案、所有用户的位置信息、所有用户的请求信息、所有请求的接纳情况，输出为表示连续动作的多个连续变量的值，所述连续动作用于确定每一架处于工作状态的无人机的下一位置，处于工作状态的无人机是指尚有用户请求需要被该无人机接纳的无人机；所述虚拟网络功能部署Q网络的输入是所有用户的位置信息和请求信息、输出为实数形式用于表示VNF部署方案的离散动作的Q值，请求信息包含请求的VNF类型和需要处理的数据量，Q值表示的离散动作会对所有无人机上的VNF部署方案产生影响；批判网络的输入是所有无人机的当前位置信息、所有无人机上的VNF部署方案、所有用户的位置信息、所有用户的请求信息、所有请求的接纳情况，以及根据上述信息由轨迹动作网络生成的连续动作，批判网络的输出为用于评判用轨迹动作网络生成的连续动作的质量的Q值；目标轨迹动作网络的输入输出均与轨迹动作网络相同；目标批判网络的输入与批判网络相同且输入的连续动作由目标轨迹动作网络生成，目标批判网络的输出为用于评判用目标轨迹动作网络生成的连续动作的质量的Q值；步骤S102，执行第一阶段的训练，包括：训练轨迹动作网络使得轨迹动作网络生成的一系列离散动作构成的无人机飞行轨迹方案能接纳所有请求且使无人机飞行能耗成本、处理请求的计算成本和处理请求的能量消耗成本之和最小；步骤S103，执行第二阶段的训练，包括：利用训练好的轨迹动作网络，并使用批判网络、目标轨迹动作网络和目标批判网络来训练虚拟网络功能部署Q网络使其得到VNF部署方案的网络成本最小。

全文数据：

权利要求：

百度查询： 广西大学 联合优化VNF部署和无人机轨迹的深度学习方法及系统