摘要
本发明提供一种基于任务驱动的无人机自组网传算一体资源调度方法,包括:建立包含无人机通信带宽、计算资源和存储资源的多维资源池模型,实时采集各无人机节点的资源状态向量;构建动态拓扑感知网络,通过无人机节点间相对运动速度预测链路持续时间,生成带有权重的网络结构图;基于预设的消息传递神经网络与深度强化学习网络的融合架构构建决策模型,将网络结构图的网络拓扑特征与资源状态向量输入至决策模型;通过所述决策模型输出包含目标节点选择与多跳路径规划的最优调度策略,满足任务对通信和计算资源质量约束的同时最大化系统收益。本发明解决了现有无人机组网通信时延高、可靠性低难以计算资源最大化利用的问题。
技术关键词
无人机自组网
资源调度方法
深度强化学习
构建决策模型
最大化系统
节点
网络拓扑特征
通信带宽
无人机组网通信
非暂态计算机可读存储介质
策略
资源调度系统
链路
规划
处理器
动态
系统为您推荐了相关专利信息
微电网能量管理
深度强化学习模型
双时间尺度
可再生能源
储能单元
资源优化方法
深度强化学习模型
上下文特征
神经网络模型
资源依赖关系
智能监测系统
解码器
解码芯片
接地状态监测
动态补偿控制
强化学习模型
资源
深度强化学习方法
负载均衡计算方法
数据传输延迟