买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北方工业大学申请的专利一种基于深度强化学习的无人机任务卸载方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119997105B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510117790.X，技术领域涉及：H04W28/084；该发明授权一种基于深度强化学习的无人机任务卸载方法及装置是由王超;董天硕;何云华设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于深度强化学习的无人机任务卸载方法及装置在说明书摘要公布了：本发明提供一种基于深度强化学习的无人机任务卸载方法及装置，涉及车联网技术领域。该方法包括：根据车辆的计算能力判断任务由车辆或边缘服务器处理；若由边缘服务器处理则构建车辆的高斯‑马尔可夫移动性模型得到车辆位置，根据无人机的计算资源和车辆与智能路边设施的距离判断由无人机或由无人机和智能路边设施执行；由无人机则将根据DGBCO模型输出无人机的路径规划结果；由智能路边设施则根据计算重用技术优化任务分配；构建基于Lyapunov优化的无人机能量约束问题；采用MADDPG算法求解得到任务卸载策略。本发明优化了UAV轨迹，结合车辆的移动性和计算资源的动态变化设计了一种联合优化方法，提升系统的综合性能。

本发明授权一种基于深度强化学习的无人机任务卸载方法及装置在权利要求书中公布了：1.一种基于深度强化学习的无人机任务卸载方法，其特征在于，所述方法包括： S1、构建无人机MEC系统模型；其中，所述无人机MEC系统模型包括多个动态移动的车辆和多个边缘服务器，所述多个边缘服务器包括多个无人机和多个智能路边设施； S2、所述多个动态移动的车辆中的任一车辆在任务生成后，根据车辆的计算能力判断所生成的任务由车辆处理或将所述任务卸载到边缘服务器，由边缘服务器处理； S3、当所述任务由边缘服务器处理时，构建车辆的高斯-马尔可夫移动性模型，根据所述车辆的高斯-马尔可夫移动性模型得到车辆位置，根据所述车辆位置得到车辆与智能路边设施的距离； 判断无人机的计算资源是否足够完成所述任务； 若足够，则所述车辆将所述任务卸载到无人机，由无人机执行所述任务，并将获取的无人机群体大小以及预设迭代次数输入到DGBCO模型，输出无人机的路径规划结果； 若不足够，则判断所述车辆与智能路边设施的距离是否小于最长通信距离；若小于，则所述车辆将任务卸载到智能路边设施，由智能路边设施执行所述任务；若不小于，则通过无人机作为中继节点，将所述任务转发至所述智能路边设施执行； 其中，所述通过无人机作为中继节点，将所述任务转发至所述智能路边设施执行，包括： S31、根据计算重用技术，优先将所述任务分配到请求概率高的边缘服务器； S32、构建基于Lyapunov优化的无人机能量约束问题； S33、采用MADDPG算法对所述无人机能量约束问题进行求解，得到任务卸载策略，根据所述任务卸载策略，通过无人机作为中继节点，将所述任务转发至所述智能路边设施执行；所述MADDPG算法的全局批评采用双延迟确定性策略梯度； 所述构建车辆的高斯-马尔可夫移动性模型，根据所述车辆的高斯-马尔可夫移动性模型得到车辆位置，根据所述车辆位置得到车辆与智能路边设施的距离，包括： 构建车辆在时隙t+1处的速度更新，如下式1所示： 式中，vvt+1表示车辆在时隙t+1处的速度，α表示记忆水平，表示时隙t处的速度矢量，表示车辆在x轴方向的速度，表示车辆在y轴方向的速度，表示速度的渐近均值，Wvt表示不相关随机高斯过程； 根据速度更新构建在时隙t+1处的车辆位置更新，如下式2所示： Pv[t+1]＝Pv[t]+vv[t]2 式中，Pv[t+1]表示在时隙t+1处的车辆位置，Pv[t]＝xv[t],yv[t]表示车辆v在时隙t的位置，xv[t]表示车辆在x轴方向的位置，yv[t]表示车辆在y轴方向的位置； 根据车辆位置更新构建车辆与智能路边设施的距离，如下式3所示： 式中，dv,rt表示在时隙t处车辆与智能路边设施的距离，xr表示智能路边设施在x轴方向的位置，yr表示智能路边设施在y轴方向的位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5号北方工业大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。