-
公开(公告)号：CN118586566A
公开(公告)日：2024-09-03
申请号：CN202410673171.4
申请日：2024-05-28
Applicant: 重庆邮电大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q30/0201 , G06Q50/06 , B60L53/66 , B60L53/35 , B60L53/31
Abstract: 本发明公开了基于移动充电车和固定充电站混合充电的智能电车能源调度和移动路径规划方法，首先设计了一种基于热点图和重力坐标的移动充电车充电位置选择策略，根据本策略为移动充电车选择出利润最大的充电位置。为了最小化智能电车的充电能源单价，将智能电车充电方式、充电能源量、充电位置以及旅行延迟进行联合优化，并设计了一种基于元启发式的能源调度方式对优化问题进行求解，保证智能电车用户和能源运营商利润最大化和能源的高效利用。为了保证系统的稳定性，本发明在最小化智能电车用户充电能源单价的同时，最大化移动充电车的能源效率，实现混合充电方式场景下之恩那个电车能源调度的高效性。
-
公开(公告)号：CN118233926A
公开(公告)日：2024-06-21
申请号：CN202410286422.3
申请日：2024-03-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种无人机和IRS辅助无线充电边缘网络的能效优化方法。为提升系统的能量和数据传输效率，分别为充电和信息采集链路设计了IRS相移矩阵。此外，还构建了一个时间分配模型来满足无人机飞行、充电和数据采集约束以及物联网设备的能量采集和数据传输性能之间的权衡。考虑到无人机时间约束以及移动设备能量约束，制定了能效最大化问题。由于上述问题自然适用于动态马尔可夫决策过程公式，将其表述为相应的有限视距分散部分可观测马尔可夫决策过程。然后，提出一种基于多代理深度强化学习的轻量级在线调度算法，采用集中训练分步执行框架来应对动态的网络环境。本发明能够有效协调无人机、IRS和传感器的调度。
-
Patent Agency Ranking
公开(公告)号：CN117119490A
公开(公告)日：2023-11-24
申请号：CN202311077526.5
申请日：2023-08-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多无人机辅助无线传感网络的能量传输和数据采集方法，本发明构建了最小化平均信息年龄问题，将其分解为两个子问题，将子问题1和2建模为两个耦合的多智能体随机合作博弈并表述为相应的分散的部分可观测的马尔可夫决策过程。采用基于多代理深度强化学习的分布式多无人机合作在线调度算法来获得上述两个博弈的平衡。具体的，为每个无人机设置了两个演员网络分别来学习子问题1和2的策略，并用一个评论家网络同时评估两个策略的动作值。为促进无人机之间的合作，本发明设计了一个混合网络来拟合局部动作值和全局动作值之间的关系。本发明为多无人机辅助无线传感网络的分布式能量传输和数据采集提供了一种新方法。
-
公开(公告)号：CN117032932A
公开(公告)日：2023-11-10
申请号：CN202311066115.6
申请日：2023-08-23
Applicant: 重庆邮电大学
IPC: G06F9/48
Abstract: 本发明请求保护一种基于网络态势感知的多无人机任务处理系统及方法，包括系统架构、硬件态势感知调度模块、任务分配调度算法模块、任务调度管理模块、数据管理模块、设备管理模块、用户管理模块，系统架构以SpringBoot和Vue.js为主，地面站采用MAVSDK进行开发，结合Fast API框架组成，本发明与现有技术相比的优点在于：基于网络态势对多无人机任务协同设计任务分配方案，涵盖算法执行模块和任务执行、用户信息查询、管理及任务完成和路线选择可视化等功能模块，以保证无人机任务执行的成功率和任务完成的及时性，其能有效提高多无人机对于任务执行和调度的协同能力，并为多无人机协同调度和线路规划管理提供一种智能化的管理系统。
-
公开(公告)号：CN118612767A
公开(公告)日：2024-09-06
申请号：CN202410673173.3
申请日：2024-05-28
Applicant: 重庆邮电大学
Abstract: 发明公开了基于多智能反射面辅助的多无人机通信网络的用户关联和无人机轨迹优化方法，首先设计了一个基于相位对齐的智能反射面相位控制策略，根据本发明设计的相位控制策略，推导出了多无人机合用户之间的湖和信道增益。为了最大化多无人机的平均传输功率，将用户关联、视距链路判断和多无人机估计优化进行联合优化，并设计了一种基于改进的A3C算法对联合优化问题进行求解，保证系统无人机和用户之间平均传输速率的长期优化。为了保证系统的稳定性，本发明在最大化系统平均传输速率的同时，实现多智能反射面辅助多无人机通信网络的高效可靠通信。本发明为多智能反射面辅助多无人机通信网络的用户关联和无人机轨迹优化提供了一种新方法。
-
公开(公告)号：CN117793752A
公开(公告)日：2024-03-29
申请号：CN202311835980.2
申请日：2023-12-28
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多智能反射面无人机通信的用户关联和轨迹优化方法，为了保证系统的稳定性，在最大化系统传输和速率的同时最小化无人机的能耗，实现多智能反射面辅助无人机通信网络下的高效可靠的通信。为使得最大化系统能效问题可解，本发明将其分解成三个子问题，即用户关联优化、无人机轨迹优化以及解码顺序和功率分配优化。本发明设计了一种基于逆软Q强化学习的算法保证长期优化。具体来说，本发明利用代理学习专家策略，获得用户关联策略。并设计基于逐次凸逼近和Dinkelbach的算法解决无人机轨迹优化的问题。此外，本发明还设计了基于惩罚的逐次凸逼近算法来优化解码顺序和功率分配。本发明为多智能反射面辅助无人机通信网络的用户关联和无人机轨迹优化提供了一种新方法。
-
公开(公告)号：CN117119489A
公开(公告)日：2023-11-24
申请号：CN202311077525.0
申请日：2023-08-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多无人机辅助的无线供能网络的部署和资源优化方法，考虑到多无人机的有限覆盖范围和可穿戴设备的服务需求，提出均衡任务负载的聚类算法以确定候选悬停点位置，采用多智能体协同决策算法以获得无人机在用户集群间的服务调度决策，在用户集群中无人机进行用户时隙调度和无人机高度位置的调整。将用户时隙调度和无人机高度调整问题转化为受约束的马尔可夫决策过程，在拉格朗日原始对偶策略优化的基础上，采用嵌套的基于受约束的近似策略优化算法，由无人机决定调整高度的移动距离和当前覆盖范围内选择服务的可穿戴设备。仿真结果表明，与现有的两种深度强化学习算法相比，本发明的解决方案具有良好的服务完成率和节能性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
