公开(公告)号：CN118804095A

公开(公告)日：2024-10-18

申请号：CN202411060243.4

申请日：2024-08-05

Applicant: 南京邮电大学

Inventor： 丁晓进 ,  陈瑞杰 ,  谢旭旭 ,  朱晓荣

IPC: H04W28/08 ,  H04W24/02 ,  H04W72/044 ,  H04B7/185 ,  G06N3/04 ,  G06N3/092

Abstract: 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。

公开(公告)号：CN114885420A

公开(公告)日：2022-08-09

申请号：CN202210282489.0

申请日：2022-03-22

Applicant: 南京邮电大学

Inventor： 赵莎莎 ,  秦立丹 ,  张登银 ,  孙晨辉 ,  文清 ,  陈瑞杰 ,  刘雨凡

IPC: H04W72/04 ,  G06N3/08

Abstract: 本发明公开了一种基于混合深度强化学习的NOMA‑MEC系统中的用户分组和资源分配方法及装置。本发明提出的混合深度强化学习算法利用DDPG优化连续动作和DQN优化离散动作解决了深度强化学习难以处理同时具有离散和连续动作空间的混合问题。具体地，算法根据用户的信道状态确定用户设备的带宽分配、卸载决策、子信道分配(用户分组情况),以使系统的计算速率与所耗功率之比最大化。该算法可以良好地适应环境的动态特性，有效提升系统的能量效率和频谱资源利用率。