一种基于多智能体深度强化学习的无人机网络悬停位置优化方法

发明专利有效专利

申请号：
CN202010497656.4
IPC分类号：H04B7/185;H04W16/18;H04W16/22;G06N3/08
申请日期：
2020-06-04
申请人：
大连理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于多智能体深度强化学习的无人机网络悬停位置优化方法
申请号	CN202010497656.4	申请日期	2020-06-04
法律状态	授权	申报国家	中国
公开/公告日	2020-10-16	公开/公告号	CN111786713A
优先权	暂无	优先权号	暂无
主分类号	H04B7/185 ? IPC结构图谱： H 电学 H9 电学 H04 电通信技术 H04B 传输〔4〕 H04B7/00 无线电传输系统，即使用辐射场的（H04B 10/00，H04B 15/00优先） H04B7/14 中继系统〔2〕 H04B7/15 有源中继系统〔2〕 H04B7/185 空间站或机载站（H04B 7/204优先）〔2，5〕	IPC分类号	H;0;4;B;7;/;1;8;5;;;H;0;4;W;1;6;/;1;8;;;H;0;4;W;1;6;/;2;2;;;G;0;6;N;3;/;0;8查看分类表>
申请人	大连理工大学	申请人地址	辽宁省大连市甘井子区凌工路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	大连理工大学	当前权利人	大连理工大学
发明人	刘中豪;覃振权;卢炳先;王雷;朱明
代理机构	大连理工大学专利中心	代理人	温福雪;侯明远

摘要

一种基于多智能体深度强化学习的无人机网络悬停位置优化方法，首先对无人机对地通信场景中的信道模型、覆盖模型和能量损耗模型进行建模；将无人机对地通信网络的吞吐量最大化问题建模为局部可观察马尔科夫决策过程；通过无人机与环境的不断交互获取局部观测信息和瞬时奖励，并基于这些信息进行集中式的训练，得到分布式的策略网络；将策略网络部署到每个无人机中，每个无人机可以基于自身的局部观测信息得到移动方向和移动距离决策，调整悬停位置，进行分布式协作。本发明还将比例公平调度和无人机能耗损失信息引入到瞬时奖励函数中，在提高吞吐量的同时保证无人机对地面用户服务的公平性，并减少能耗损失，使无人机集群能够适应动态环境。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供