-
公开(公告)号：CN117553803B
公开(公告)日：2024-03-19
申请号：CN202410026065.7
申请日：2024-01-09
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度强化学习的多无人机智能路径规划方法，涉及无人机移动边缘计算技术领域，包括如下步骤：S1、建立静态任务场景下无人机辅助移动边缘计算模型的基本框架；S2、根据基本框架生成路径优化策略，所述优化策略即利用引入辅助奖励机制的多智能体深度强化学习算法对基本框架的场景中的无人机进行任务分配和路径规划，在保证所有无人机的能量能够完成系统任务的前提下最小化无人机完成所有任务需要消耗的时间。本发明在传统的多智能体深度强化学习算法的基础上引入了无监督强化辅助学习算法的辅助奖励机制，在优化无人机消耗的能量和飞行时间的基础上对无人机的飞行路径进行规划，通过本系统提高无人机对任务的处理效率。
-
公开(公告)号：CN117553803A
公开(公告)日：2024-02-13
申请号：CN202410026065.7
申请日：2024-01-09
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于深度强化学习的多无人机智能路径规划方法，涉及无人机移动边缘计算技术领域，包括如下步骤：S1、建立静态任务场景下无人机辅助移动边缘计算模型的基本框架；S2、根据基本框架生成路径优化策略，所述优化策略即利用引入辅助奖励机制的多智能体深度强化学习算法对基本框架的场景中的无人机进行任务分配和路径规划，在保证所有无人机的能量能够完成系统任务的前提下最小化无人机完成所有任务需要消耗的时间。本发明在传统的多智能体深度强化学习算法的基础上引入了无监督强化辅助学习算法的辅助奖励机制，在优化无人机消耗的能量和飞行时间的基础上对无人机的飞行路径进行规划，通过本系统提高无人机对任务的处理效率。
-
Search Results
2
records
(took 0.014 seconds)
