公开(公告)号：CN118915780A

公开(公告)日：2024-11-08

申请号：CN202410960286.1

申请日：2024-07-17

Applicant: 东北大学秦皇岛分校

Inventor： 马靖怡 ,  徐思洋 ,  陆秋雨 ,  宋昕

IPC: G05D1/46 ,  G05D109/20

Abstract: 一种基于多级边缘计算的无人机轨迹优化方法、系统、存储介质及电子设备。其中，方法包括：获取无人机基于目标轨迹执行任务中的任务参数，其中，无人机设置有边缘服务器，用于辅助至少一个地面用户和地面边缘服务器进行边缘计算；根据任务参数建立模型，根据模型确定随机优化问题，并定义随机优化问题的优化目标和约束条件；根据随机优化问题的优化目标和约束条件，将随机优化问题转换为时隙问题，并求解所述时隙问题；根据时隙问题的解，优化目标轨迹，并根据优化后的目标轨迹控制无人机执行任务。实施本申请提供的技术方案，可以在用户需求动态变化的情况下，实时优化无人机的飞行轨迹以适应不断变化的任务环境。

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。