基于深度强化学习和域自适应多任务优化的传感器覆盖优化方法

本发明公开的基于深度强化学习和域自适应多任务优化的传感器覆盖优化方法，包括以传感器覆盖率最大、传感器半径最小和传感器个数最少为目标构建目标函数；采用改进的多任务算法对目标函数进行求解，得到传感器最优覆盖率、半径和个数。本发明通过深度强化学习选择合适的任务作为源任务与目标任务发生信息交换，减少该过程中发生的负迁移的可能性；在发生知识迁移时，通过域自适应机制调节种群中的个体，使源任务向目标任务发生转化，域自适应方法有效减少任务间分布差异，降低负迁移风险，提升优化效率。从而通过动态任务选择、特征分布对齐及形状相似性调整，实现传感器网络覆盖的高效优化，显著提高传感器网络的覆盖效率。