龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南京邮电大学
摘要：本发明提供一种基于强化学习的低轨卫星星间计算卸载与资源分配方法，通过进行可用卫星节点筛选：选择符合设定条件的边缘卫星，加入边缘卫星群组；进行优化建模：建立系统模型包括任务模型与计算模型，通过任务模型与计算模型，得到与卸载决策和计算资源分配的相关的优化问题，并将优化问题进行马尔可夫决策过程建模即MDP建模，得到MDP模型；使用深度确定性策略梯度算法即DDPG算法进行联合求解，最终通过训练后的DDPG神经网络模型输出最优卸载策略和最优计算资源分配。该方法不仅能够提高计算资源的利用率，能够减少任务的执行时间，还能够在保证通信质量的同时，降低网络的整体能耗。
主权项：1.一种基于强化学习的低轨卫星星间计算卸载与资源分配方法，其特征在于：包括以下步骤，S1、进行可用卫星节点筛选：本地卫星收到任务时，向云中心发送信息，云中心节点向可用卫星发出询问并接收可用卫星信息包括每个可用卫星的可用计算资源、在前设定期限内故障的次数以及与本地卫星之间的跳数，然后根据可用卫星信息来进行筛选，选择符合设定条件的N个边缘卫星，加入边缘卫星群组；S2、进行优化建模：建立系统模型包括任务模型与计算模型，通过任务模型与计算模型，得到与卸载决策和计算资源分配的相关的优化问题，并将优化问题进行马尔可夫决策过程建模即MDP建模，得到MDP模型包括状态、动作和奖励三个部分；S3、使用深度确定性策略梯度算法即DDPG算法进行联合求解：将获得的任务信息、任务队列状态和边缘卫星节点信息作为输入，在训练阶段，对DDPG神经网络进行训练，得到训练后的DDPG神经网络模型；在测试阶段，最终通过训练后的DDPG神经网络模型输出最优卸载策略和最优计算资源分配。
全文数据：
权利要求：
百度查询： 南京邮电大学 基于强化学习的低轨卫星星间计算卸载与资源分配方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号