公开(公告)号：CN118261400B

公开(公告)日：2024-07-19

申请号：CN202410666337.X

申请日：2024-05-28

Applicant: 南京邮电大学

Inventor： 王玉贵 ,  李鹏 ,  王汝传 ,  徐鹤 ,  杨林

IPC: G06Q10/0631 ,  G06Q50/26

Abstract: 本发明属于物联网和强化学习的交叉技术领域，公开了一种基于改进Q_Learning算法的协同无人机集群资源调度方法，通过两个阶段的强化学习任务调度框架实现，强化学习任务调度框架包括两个阶段：第一阶段实现外界任务从中心到中继的分配和第二阶段实现任务从中继到终端的调度。本发明结合了无人机集群组网优化、能量补给和强化学习任务调度，实现了多模态协同无人机集群中的智能任务分配、资源优化管理、能量持续补给，能够实现高效、均衡的任务调度，具有调度精度高、响应速度快、资源利用率高、可扩展性强等优点，显著提高无人机集群任务调度的效率和质量，为无人机领域的发展提供了技术支持和创新方向。

公开(公告)号：CN118261400A

公开(公告)日：2024-06-28

申请号：CN202410666337.X

申请日：2024-05-28

Applicant: 南京邮电大学

Inventor： 王玉贵 ,  李鹏 ,  王汝传 ,  徐鹤 ,  杨林

IPC: G06Q10/0631 ,  G06Q50/26

Abstract: 本发明属于物联网和强化学习的交叉技术领域，公开了一种基于改进Q_Learning算法的协同无人机集群资源调度方法，通过两个阶段的强化学习任务调度框架实现，强化学习任务调度框架包括两个阶段：第一阶段实现外界任务从中心到中继的分配和第二阶段实现任务从中继到终端的调度。本发明结合了无人机集群组网优化、能量补给和强化学习任务调度，实现了多模态协同无人机集群中的智能任务分配、资源优化管理、能量持续补给，能够实现高效、均衡的任务调度，具有调度精度高、响应速度快、资源利用率高、可扩展性强等优点，显著提高无人机集群任务调度的效率和质量，为无人机领域的发展提供了技术支持和创新方向。