CN119496553A 多无人机协同通信的优化方法、系统和装置 （安徽大学）

方法包括：在多个通信无人机中指定主机和副第二决策网络对主机和副机的飞行轨迹进行优副机到达临时援助域，然后执行辅助模式的动有多无人机协同通信系统中的无人机的调度难2通过一个基于DDQN算法预训练出的第一决策网络对主机在服务范围中的飞行轨迹进通过一个基于DDQN算法预训练出的第二决策网络对副机在服务范围中的飞行轨迹进奖励函数R2生成在辅助模式下用于控制副机飞感受野内包含的用户的通信需求量作为通信无人机的,,3,ttS4：从经验回放池中随机采样多条经验进行,,在第二决策网络中用于生成主动模式下的一类动作的部分引入基于信息熵的奖励机4R1=Rtotal+RH，,R2的表达式为：,第一决策模块，其内运行有如权利要求1_8中任意一项所述的多无人机协同通信的优第二决策模块，其内运行有如权利要求1_8中任意一项所述的多无人机协同通信的优权利要求1_8中任意一项所述的多无人机协同通信的优化方法，对各个通信无人机在服务5[0003]现有文献《PathPlanningforUAV_MountedMobileEdgeComputingWith场景信息之间的关系；而文献《DeepReinforcementLearningforUAVNavigationlearninginnoma_aidedUAVnetworksforcellularoffloading》提出了一种多智能辅助奖励函数R2生成在辅助模式下用于控制副机飞6作持续指定数量的时间步移动的距离为半径,,,t表示即时奖励函数。tt7,,R1=Rtotal+RH，,,8[0025]第一决策模块内运行有如前述的多无人机协同通信的优化方法中预训练出的第[0035]图6为测试实验中，副无人机在完成相同通信信息量收集任务时所需的平均飞行9在本实施例的方案首先需要在多个通信无人机中指定主机和副机。在实际应用针对服务范围和需求分布等实际的场景要素对主机和副机的分配方式进行灵活设计。例[0050]DDQN算法的思想是通过不同动作的奖励值来对选择的动作所产生的收益进行评[0052]时效性约束描述了用户提出通信需求其自身的用户体验随时间的变化。众所周,,,,,,,,,tt,,[0065]以上内容详细介绍本实施例应用DDQN算法训练得到第一决策网络时，定义的动前文介绍了利用DDQN网络预训练得到可以根据用户和主机状态输出主机后续应个基于DDQN算法预训练出的第二决策网络对副机在服务范围中的飞行轨迹进行优化。其,DDQN算法的协作奖励函数R1也可以采用总奖H表示基于信息熵的奖励机制提供的辅助奖励。以下对本实施例中引入,,,ΔH=H,。。,机独立探索完临时援助域单位时间步内获取的平均通信奖励期望值为E(B)的表达式如。,,,。[0088]在多无人机协同通信系统中，指定多个通信无人机中的[0089]第一决策模块内运行有如实施例1中的多无人机协同通信的优化方法中预训练出块以及第二决策模块分别部署在各个边缘服务器内，边缘服务器获取主机和副机状态信[0093]本实施例提供的多无人机协同通信的优化装置本质上就是用于实现实施例1中方计算机设备上配备的插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字获得的总奖励和副无人机在完成相同通信信息量收集任务时所需的平均飞行步数与训练