公开(公告)号：CN116436781A

公开(公告)日：2023-07-14

申请号：CN202310350300.1

申请日：2023-04-04

Applicant: 福州大学

Inventor： 陈星 ,  傅德泉 ,  郑龙海

IPC: H04L41/0823 ,  G06F30/27 ,  G06N3/092 ,  G06N3/098 ,  G06N3/084

Abstract: 本发明涉及一种基于多智能体联邦强化学习（K‑MAFRL）的大规模无人机部署优化方法，通过优化多无人机的实时部署位置，实现系统平均任务响应时间的最小化。首先，每台UAV被建模为一个智能体，并且可以根据局部信息独立地进行部署决策。接着，利用K‑MAFRL算法对决策模型进行训练，通过与环境交互训练各智能体的本地模型，并将模型参数联邦聚合以生成全局模型，然后将其模型参数传输回所有的智能体以更新其本地网络。最后，通过反馈控制和多无人机协同，逐步找到有效的大规模无人机部署方案。本发明实现高效且自适应的大规模无人机部署。

公开(公告)号：CN115118724A

公开(公告)日：2022-09-27

申请号：CN202210720697.4

申请日：2022-06-23

Applicant: 福州大学

Inventor： 陈哲毅 ,  张吴晗 ,  傅德泉

IPC: H04L67/10 ,  H04L41/14 ,  H04W4/40 ,  G06N3/00

Abstract: 本发明提出一种基于蚁群算法的多无人机辅助边缘计算系统部署优化方法，针对所定义的优化问题，提出了一种ACO‑G双层联合优化方法。最外层采用了蚁群算法(Ant Colony Optimization)来对无人机部署位置进行优化，最内层则是通过贪心算法（Greedy algorithm）来对计算卸载进行决策。将无人机部署结合到蚁群算法中，算法能得到一组最优的无人机部署位置方案，这样可以减少地面移动设备计算任务的平均响应时间。