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！

龙图腾网获悉东北大学申请的专利一种基于强化学习的无人机任务卸载快速适应方法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：CN119938174B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510350262.9，技术领域涉及：G06F9/445；该发明授权一种基于强化学习的无人机任务卸载快速适应方法是由万佳欣;王坤;杨雷设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于强化学习的无人机任务卸载快速适应方法在说明书摘要公布了：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。

本发明授权一种基于强化学习的无人机任务卸载快速适应方法在权利要求书中公布了：1.一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、基站和地面终端设备，其特征在于：无人机对地面终端设备产生的计算任务进行收集，通过优化无人机的飞行轨迹最大化收集的计算任务数，通过优化无人机的任务卸载决策，最大化无人机和基站联合为地面终端设备产生的计算任务提供的计算服务效率，包括以下步骤： 步骤1、建立基于解耦策略和环境表示的强化学习模型，初始化基于解耦策略和环境表示的强化学习模型参数； 步骤2、使用训练样本、不同训练环境和不同训练策略训练基于解耦策略和环境表示的强化学习模型，得到不同训练环境的环境嵌入向量和不同训练策略的策略嵌入向量，并预测不同训练环境中采用不同训练策略获得的价值预测网络奖励值； 步骤3、基于解耦策略和环境表示的强化学习模型，建立基于梯度上升的策略适应算法优化测试环境下无人机采取不同策略的策略嵌入向量，得到无人机性能最佳的策略下无人机的动作，与当前环境进行交互； 步骤4、根据无人机性能最佳的策略下无人机的动作实现无人机辅助的移动边缘计算，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； 步骤1所述基于解耦策略和环境表示的强化学习模型包括若干架无人机和环境，若干架无人机与环境交互、迭代学习，优化若干架无人机在环境中的动作；所述环境包括若干个地面终端设备和若干个基站；所述若干架无人机在环境中的动作包括收集环境中若干个地面终端设备产生的计算任务、任务卸载决策以及联合环境中若干个基站共同为环境中若干个地面终端设备提供计算服务，所述任务卸载决策为将无人机收集的计算任务卸载至环境中若干个基站的决策； 步骤1所述初始化基于解耦策略和环境表示的强化学习模型参数，具体方法为： 基于无人机的观测值初始化环境的状态空间S，无人机的观测值包括：无人机的位置、与无人机最近的三个地面终端设备的位置；初始化无人机的动作空间A，包括：无人机的移动方向、移动速率和任务卸载决策；初始化奖励函数R为无人机的总能耗Etotal、任务时延Ttotal以及任务收集数Ntotal三个目标奖励函数之和； 将环境划分为训练环境和测试环境，设定训练环境集为、测试环境集为、训练策略集为，其中，为训练环境的数量，为测试环境的数量，为训练策略数量，建立离线经验缓冲区作为训练样本，其中，为在第个训练环境中使用第个训练策略生成的离线经验； 设定无人机从初始状态出发，通过不断与环境中若干个地面终端设备和若干个基站交互，形成的无人机轨迹为，用于记录无人机状态转移以及状态转移过程中获得的奖励，其中，为环境状态，为无人机的动作，为无人机获得的奖励；设定在训练环境中生成的一组无人机轨迹为环境的上下文信息，并设定上下文信息中的环境状态和无人机的动作为无人机的行为。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11号；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。