公开(公告)号：CN120075899A

公开(公告)日：2025-05-30

申请号：CN202510215618.8

申请日：2025-02-26

Applicant: 东北大学秦皇岛分校

Inventor： 宋昕 ,  张彪 ,  郝海棋 ,  徐思洋 ,  李若萌 ,  周子建

IPC: H04W28/084 ,  H04W4/02 ,  G06Q50/02 ,  H04W84/06

Abstract: 本申请提出一种智慧农业无人机的动态任务卸载方法，属于智慧农业和边缘计算技术领域，包括：采用边缘计算无人机中部署的预先训练好的任务卸载模型，根据动态最优的用户调度策略与多架数据无人机中的一架数据无人机建立通信链路，将数据无人机卸载比发送到已建立通信链路的数据无人机中；已经建立通信链路的数据无人机根据数据无人机卸载比卸载害虫图像的计算任务到已经调整位置后的边缘计算无人机中；已经调整位置后的边缘计算无人机根据边缘计算无人机的卸载比，将害虫图像的计算任务以边缘计算无人机的发射功率卸载到云端服务器中。本申请解决了因环境变化和静态参数导致模型性能下降的问题，提高了模型的适应性和收敛性，降低了系统成本。

公开(公告)号：CN118574156A

公开(公告)日：2024-08-30

申请号：CN202410620860.9

申请日：2024-05-20

Applicant: 东北大学秦皇岛分校

Inventor： 宋昕 ,  周子建 ,  徐思洋 ,  陆秋雨 ,  李若萌 ,  张彪

IPC: H04W28/08 ,  H04W4/40 ,  G06N3/092

Abstract: 本发明涉及海洋无线通信技术领域，公开了基于深度强化学习的无人机辅助无人艇任务卸载方法，包括以下步骤：建立移动边缘计算的三维无线通信网络系统模型，所述系统模型包括K个USV，其集合表示为k∈{1,2,....,K}，k表示该集合中的某一个USV，1架搭载MEC边缘服务器的无人机U＝{u}，通过无人机对USVk进行计算卸载以节省USVk的计算的能耗并缩减任务执行延迟；建立时延模型与能耗模型；无人机调度和卸载策略联合优化问题；提出基于深度强化学习的OU‑TD3算法。本发明中，采用深度强化学习相比传统算法在无人机辅助USV进行边缘计算的任务卸载中能够更好地适应复杂、实时的任务需求，提高了系统的智能化和效率。