公开(公告)号：CN113377533A

公开(公告)日：2021-09-10

申请号：CN202110633417.1

申请日：2021-06-07

Applicant: 重庆邮电大学

Inventor： 宁兆龙 ,  杨雨轩 ,  王小洁 ,  郭磊 ,  高新波

IPC: G06F9/50 ,  G06N5/04

Abstract: 本发明公开了一种无人机协助移动边缘计算中的动态计算卸载和服务器部署方法，首先构建多用户在无人机协助移动边缘计算网络中的通信和计算模型，提出系统范围计算成本的最小化问题；接着利用博弈论，将系统范围计算成本最小化问题解构为两个随机博弈，同时提出两个基于策略选择概率的学习算法，在动态环境下分别收敛于两个随机博弈的纯策略纳什均衡；最后，将上述两个学习算法嵌套入一个对局式的异步更新框架，交替执行两种学习算法，以解决所提出的系统范围计算成本最小化问题。本发明实用、高效地同时解决了动态环境下多用户计算卸载问题和边缘服务器部署问题，最小化系统范围的计算成本，为无人机协助移动边缘计算的发展和实际应用提供了一个良好的范例。

公开(公告)号：CN113377533B

公开(公告)日：2023-11-21

申请号：CN202110633417.1

申请日：2021-06-07

Applicant: 重庆邮电大学

Inventor： 宁兆龙 ,  杨雨轩 ,  王小洁 ,  郭磊 ,  高新波

IPC: G06F9/50 ,  G06N5/04

公开(公告)号：CN116774584A

公开(公告)日：2023-09-19

申请号：CN202310750495.9

申请日：2023-06-25

Applicant: 重庆邮电大学

Inventor： 宁兆龙 ,  李晗雪 ,  杨雨轩 ,  王小洁 ,  熊炫睿 ,  吴宇

IPC: G05B13/04

Abstract: 本发明公开了一种基于多智能体深度强化学习的无人机差异化服务轨迹优化方法，在考虑由多个服务提供商提供差异化服务的无人机网络中实现多个无人机的分布式轨迹控制。此外，针对用户和无人机计算成本最小化问题，本发明基于纳什均衡确定了无人机长期计算成本最小化问题的最优解也是用户计算成本最小化问题的最优解，并从理论上证明了纳什均衡的唯一性。针对不实际的完整系统信息的问题，本发明设计了马尔可夫博弈模型并基于深度强化学习设计了一种基于部分信息的多无人机轨迹优化算法，对不同服务提供商的无人机轨迹进行分布式控制，并从理论上证明了MUTO算法的总体复杂度为#imgabs0#实验结果证明本发明所提出的算法在用户和无人机总体计算成本方面的有效性。