【技术实现步骤摘要】
本专利技术涉及低轨卫星网络，尤其涉及一种基于强化学习的低轨卫星网络任务调度方法及系统。
技术介绍
1、第六代(6g)移动网络旨在提供全球覆盖，以确保互联网可用性和随时随地无缝接入。由于传统的地面网络受到地理位置和经济成本等瓶颈的限制，卫星网络(尤其是低轨卫星网络)由于其无缝覆盖和低传输延迟，是实现这一愿景的潜在技术。近年来，随着物联网的蓬勃发展，偏远地区出现了大量物联网服务，如灾害监测、海洋运输、物体识别和跟踪等，远程物联网概念正在兴起。远端物联网(iort)用户通常在计算能力和电池电量方面受到限制，难以应对激增的计算任务。一种有效的方法是将iort任务卸载到地面上更强大的云服务器上，通过卫星中继传输进一步执行。然而，由于卫星网络物理位置的限制，卫星中继传输将带来不可忽略的长传输距离和重传输负载，这对于低延迟要求的iort服务来说通常是无法容忍的。
2、作为一种新兴的计算范式，边缘计算可以通过将云计算平台扩展到网络边缘，甚至扩展到移动设备本身，为用户提供近距离的计算资源。因此，通过将边缘计算引入卫星网络，卫星边缘计算可以进一...
【技术保护点】
1.一种基于强化学习的低轨卫星网络任务调度方法，其特征在于，所述方法在低轨卫星网络中执行，所述方法包括以下步骤：
2.根据权利要求1所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，将最小化任务处理成本作为任务调度的优化目标，计算式为：
3.根据权利要求1所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，构建延迟赤字队列表示长期延迟约束，并引入李雅普诺夫函数表示对延迟要求的满意程度，其中，所述延迟赤字队列的更新过程为：
4.根据权利要求3所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，引入李雅普诺夫漂移跟踪...
【技术特征摘要】
1.一种基于强化学习的低轨卫星网络任务调度方法，其特征在于，所述方法在低轨卫星网络中执行，所述方法包括以下步骤：
2.根据权利要求1所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，将最小化任务处理成本作为任务调度的优化目标，计算式为：
3.根据权利要求1所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，构建延迟赤字队列表示长期延迟约束，并引入李雅普诺夫函数表示对延迟要求的满意程度，其中，所述延迟赤字队列的更新过程为：
4.根据权利要求3所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，引入李雅普诺夫漂移跟踪两个连续时隙之间所述李雅普诺夫函数的变化，计算式为：
5.根据权利要求1所述的基于强化学习的低轨卫星网络任务调度方法，其特征在于，以所述任务生成状态、数据队列状态、各卫星之间和各卫星与地面之间的通信状态构建状态空间，以各卫星执行的任务调度构建动作空间，以...
【专利技术属性】
技术研发人员：唐琴琴，方泽儒，谢人超，郑雨昊，王乾宇，邹鑫，杨煜天，刘云龙，黄韬，陈天骄，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。