【技术实现步骤摘要】
本专利技术涉及一种基于td3(twin delayed deep deterministic policygradient)的多无人机辅助移动边缘计算系统，属于移动边缘计算领域。
技术介绍
1、随着信息技术的发展，移动用户需要处理的任务逐渐转向计算密集型和延迟敏感型，移动边缘计算能够以较低的传输延迟为移动用户提供强大计算服务，如何有效保证用户的服务体验是十分关键的问题，用户体验包括延迟、能耗、鲁棒性、公平性等，如果用户数量激增，无人机由于其灵活可部署性为移动边缘计算发挥了重要的作用。
2、无人机辅助移动边缘计算因为无人机受到信道环境、计算资源等限制，使用传统方法不仅需要知道整个环境中的全局信息，而且还面临着复杂的连续离散混合优化问题，导致算法在延迟和公平性方面表现不好，并且在多变的环境中，每一步动作都需要重新求解，很难满足实时要求。
3、深度强化学习方法可以很好的解决上述问题，深度强化学习可以先通过试错的方式让智能体懂得什么行为是好的，什么行为是差的，从而部署在环境中可以保证无人机对于环境的实时性决策。
<...【技术保护点】
1.一种无人机辅助移动边缘计算系统，其特征在于，包括：
2.根据权利要求1所述的无人机辅助移动边缘计算系统，其特征在于，训练模块包括用于进行以下训练过程：
3.根据权利要求2所述的无人机辅助移动边缘计算系统，其特征在于，步骤A1包括：初始化无人机位置Cm(t)、所有用户被服务次数An(t)、基站位置Ck、用户位置Cn、时间t、神经网络训练优化器Adam；
4.根据权利要求3所述的无人机辅助移动边缘计算系统，其特征在于，步骤A3包括：
5.根据权利要求4所述的无人机辅助移动的边缘计算系统，其特征在于，步骤A4包括：
...【技术特征摘要】
1.一种无人机辅助移动边缘计算系统，其特征在于，包括：
2.根据权利要求1所述的无人机辅助移动边缘计算系统，其特征在于，训练模块包括用于进行以下训练过程：
3.根据权利要求2所述的无人机辅助移动边缘计算系统，其特征在于，步骤a1包括：初始化无人机位置cm(t)、所有用户被服务次数an(t)、基站位置ck、用户位置cn、时间t、神经网络训练优化器adam；
4.根据权利要求3所述的无人机辅助移动边缘计算系统，其特征在于，步骤a3包括：
5.根据权利要求4所述的无人机辅助移动的边缘计算系统，其特征在于，步骤a4包括：<...
【专利技术属性】
技术研发人员：杨帆，李振宇，廖茂棱，吴江妮，
申请(专利权)人：中南林业科技大学，
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。