一种面向任务连通性保持的网络拓扑智能生成方法与装置制造方法及图纸

本发明专利技术提供了一种面向任务连通性保持的网络拓扑智能生成方法与装置，涉及通信的技术领域，该方法是基于多智能体强化学习模型对所有接力节点进行部署的方案，无需在无人机网络中设置中央计算单元，通过在各个接力节点上部署策略网络，使得各个接力节点能够通过自身的状态数据决策自身的动作，因此，该方法避免了中央计算单元统一计算和策略传输的时延，有效地保证了无人机集群中接力节点部署的时效性。并且，该方法设置所有智能体执行动作后的奖励与无人机网络在下一时隙的连通分支数负相关，因此，该方法能够有效地减少无人机网络的连通分支数，保证无人机网络的连通性。

【技术实现步骤摘要】

本专利技术涉及通信的，尤其是涉及一种面向任务连通性保持的网络拓扑智能生成方法与装置。

技术介绍

1、无人机集群网络已经成为全球学术和工业领域关注的焦点。在执行实际任务过程中，无人机集群中的部分无人机因任务需要可能会服务在不同的任务区域上方。然而如果这些无人机间的距离过远，就会导致通信连接丧失，导致无人机间无法组网，急剧影响网络的整体性能。为了克服这一挑战，学术界最近的研究集中于在无人机集群中部署额外的节点来构建网络的连通性。具体来说，研究者们首先将无人机群中的无人机按照其特性分为两类：任务执行节点mu和接力节点ru。mu（即是那些因需服务于任务区域上方而分散的无人机节点），它们不会关注于网络性能的保持。ru则充当连接的桥梁，保持通信链路的稳定。ru的部署对于构建高效的无人机网络拓扑至关重要。

2、现有技术中，通常采用以下方法对ru进行部署：基于连通支配集的方法、基于粒子群算法和基于神经网络的方法，但上述算法大多需要一个中央计算单元，其通过获取每个时隙mu的位置，计算出当前部署ru的最佳位置。由于计算以及将部署策略传输至各个ru均需一定的时间，因本文档来自技高网...

【技术保护点】

1.一种面向任务连通性保持的网络拓扑智能生成方法，其特征在于，包括：

2.根据权利要求1所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，计算所述无人机网络在下一时隙的连通分支数包括以下步骤：

3.根据权利要求2所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，基于预设通信功率阈值和所述第一无人机节点与所述第二无人机节点在下一时隙的距离，确定所述第一无人机节点与所述第二无人机节点在下一时隙的邻接关系，包括：

4.根据权利要求1所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，所述目标多智能体强化学习模型为目标actor-c...

【技术特征摘要】

1.一种面向任务连通性保持的网络拓扑智能生成方法，其特征在于，包括：

2.根据权利要求1所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，计算所述无人机网络在下一时隙的连通分支数包括以下步骤：

3.根据权利要求2所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，基于预设通信功率阈值和所述第一无人机节点与所述第二无人机节点在下一时隙的距离，确定所述第一无人机节点与所述第二无人机节点在下一时隙的邻接关系，包括：

4.根据权利要求1所述的面向任务连通性保持的网络拓扑智能生成方法，其特征在于，所述目标多智能体强化学习模型为目标actor-critic网络中的目标actor网络，所述目标actor网络包括：多个目标策略网络；所述方法还包括：

5.根据权利要求4所述的面向任务连通性保持的网络拓扑智能生成方法，...

【专利技术属性】
技术研发人员：姚海鹏，霍清豫，买天乐，许书彬，王晓云，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：