-
公开(公告)号：CN113377131A
公开(公告)日：2021-09-10
申请号：CN202110697404.0
申请日：2021-06-23
Applicant: 东南大学
IPC: G05D1/12
Abstract: 本发明公开了一种使用强化学习获得无人机收集数据轨迹的方法，输入无人机起始位置，结束位置，地面各节点位置以及待传输数据量和能量限制，采用Actor‑Critic算法设计无人机辅助收集地面节点数据轨迹。该方法在最小化收集数据任务完成时间的目标下充分考虑了各地面节点本身待收集数据量不同和各自能量限制。在解法上通过将连续时间无人机轨迹设计问题转化为离散时间马尔科夫决策过程，基于Actor‑Critic算法获得无人机在每个状态下的最佳收集数据决策和最佳运动决策。能设计无人机最佳收集数据轨迹，可以在保证收集完所有地面节点待传输数据量并满足各地面节点能量限制的前提下显著减少收集时间。
-
公开(公告)号：CN113258989A
公开(公告)日：2021-08-13
申请号：CN202110532993.7
申请日：2021-05-17
Applicant: 东南大学
Abstract: 本发明公开了一种使用强化学习获得辅助蜂窝网络的无人机中继轨迹的方法，输入无人机起始位置，无人机电池最大容量，最大回合数,折扣因子,学习率,动作利用率，采用Q学习设计能量受限的无人机轨迹。本发明综合考虑基站的天线辐射模式、回程约束、无人机能量消耗，建立了一个有实际意义的无人机电池能量受限的轨迹优化问题，分析待解决的轨迹设计问题，将无人机轨迹设计问题转化为离散时间决策过程并转用Q学习解决问题，能设计无人机最佳轨迹,充分利用无人机电池能量带来最大用户频谱效率的提升。
-
公开(公告)号：CN113377131B
公开(公告)日：2022-06-03
申请号：CN202110697404.0
申请日：2021-06-23
Applicant: 东南大学
IPC: G05D1/12
Abstract: 本发明公开了一种使用强化学习获得无人机收集数据轨迹的方法，输入无人机起始位置，结束位置，地面各节点位置以及待传输数据量和能量限制，采用Actor‑Critic算法设计无人机辅助收集地面节点数据轨迹。该方法在最小化收集数据任务完成时间的目标下充分考虑了各地面节点本身待收集数据量不同和各自能量限制。在解法上通过将连续时间无人机轨迹设计问题转化为离散时间马尔科夫决策过程，基于Actor‑Critic算法获得无人机在每个状态下的最佳收集数据决策和最佳运动决策。能设计无人机最佳收集数据轨迹，可以在保证收集完所有地面节点待传输数据量并满足各地面节点能量限制的前提下显著减少收集时间。
-
公开(公告)号：CN113258989B
公开(公告)日：2022-06-03
申请号：CN202110532993.7
申请日：2021-05-17
Applicant: 东南大学
Abstract: 本发明公开了一种使用强化学习获得辅助蜂窝网络的无人机中继轨迹的方法，输入无人机起始位置，无人机电池最大容量，最大回合数,折扣因子,学习率,动作利用率，采用Q学习设计能量受限的无人机轨迹。本发明综合考虑基站的天线辐射模式、回程约束、无人机能量消耗，建立了一个有实际意义的无人机电池能量受限的轨迹优化问题，分析待解决的轨迹设计问题，将无人机轨迹设计问题转化为离散时间决策过程并转用Q学习解决问题，能设计无人机最佳轨迹,充分利用无人机电池能量带来最大用户频谱效率的提升。
-
-
-
Search Results
4
records
(took 0.013 seconds)
