一种基于强化学习的无人机任务卸载快速适应方法

本发明提供一种基于强化学习的无人机任务卸载快速适应方法，涉及无人机飞行控制技术领域。本发明从具有不同状态环境中收集的离线经验中学习，在具有新状态动态的环境下执行在线策略适应，适用于在线互动代价较高的现实场景中，可以在离线经验数据的基础上实现泛化。本发明建立基于解耦策略和环境表示的强化学习模型和基于梯度上升的策略适应算法得到无人机性能最佳的策略下无人机的动作，从而使无人机和基站联合为地面终端设备产生的计算任务提供边缘计算服务。本发明只在在线适应测试环境中阶段需要无人机与当前环境进行少量在线互动，与其他主流方法需要大量的在线互动样本相比，能在实际环境中大大降低模型的训练成本。