一种基于深度强化学习的空中移动边缘计算网络成本优化方法

本发明公开了一种基于深度强化学习的空中移动边缘计算网络成本优化方法，S1：构建一体化高低空平台增强移动边缘计算系统，并采用螺旋放置算法放置UAV的位置；S2：构建信道模型和通信模型；S3：构建计算模型，构建联合MD带宽分配、MD‑UAV调度和UAV‑HAP调度的优化问题，并将所述优化问题转化为MDP问题；S4：基于深度强化学习算法求解所述MDP问题，最终得到一体化高低空平台增强移动边缘计算系统的动态带宽分配和任务卸载的智能决策策略，实现空中移动边缘计算网络的成本优化。本发明充分利用了UAV和HAP的协同优势，通过UAV和HAP的多层协同工作增强了网络的覆盖范围、灵活性和处理能力；不仅在技术上有重要创新，还在实际应用中展现了广阔的前景和巨大潜力，为多层空基网络辅助MEC的测试和应用提供了坚实的基础，使多层空基网络适应于各种实际场景。