基于多维图融合与深度强化学习的无人机子集群多控制器部署方法

本发明公开了一种基于多维图融合与深度强化学习的无人机子集群多控制器部署方法，首先，构建网络拓扑、网络时延、信噪比、节点能量、节点负载以及节点间任务关联性的多维图模型，以全面描述无人机子集群的结构与状态信息，其次，引入图神经网络(GNN)对图结构进行特征提取，获得高维嵌入表征即无人机节点的融合表示Zi，然后，构建深度强化学习模型，以选择K个控制器进行部署作为动作，设计兼顾覆盖率、时延、能耗与负载均衡等指标的多目标的奖励函数，并采用PPO算法优化策略网络，这样，以多维图融合建模网络特性，并利用深度强化学习实现控制器部署策略的动态学习，以适应动态变化的网络环境，实现了提升部署效率和适应性的发明目的。