一种基于多智能体强化学习的无人机资源分配方法、系统、设备及介质

一种基于多智能体强化学习的无人机资源分配方法、系统、设备及介质，方法为：为多模态无人机协助的通感一体化的数据服务场景建立数据服务场景下多无人机资源分配的多目标优化问题，设计平均峰值信息年龄、累计数据服务量和无人机能耗评价指标；将多目标优化问题表述为马尔可夫决策问题，设计状态空间、动作空间及相应的即时奖励函数；通过设计离散actor网络和连续actor网络，得到混合动作空间的多智能体TD3算法，即MAHTD3算法，根据马尔可夫决策模型，使用MAHTD3算法训练更新无人机的网络参数，将训练得到的无人机应用到数据服务场景中进行通信资源分配；系统、设备及介质用于实现该方法；本发明能更好地满足随机动态的通感一体化场景下地面用户数据服务需求。