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！

龙图腾网获悉福州大学申请的专利基于多智能体联邦强化学习的无人机部署优化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：CN116436781B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310350300.1，技术领域涉及：H04L41/0823；该发明授权基于多智能体联邦强化学习的无人机部署优化方法是由陈星;傅德泉;郑龙海设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本基于多智能体联邦强化学习的无人机部署优化方法在说明书摘要公布了：本发明涉及一种基于多智能体联邦强化学习K‑MAFRL的大规模无人机部署优化方法，通过优化多无人机的实时部署位置，实现系统平均任务响应时间的最小化。首先，每台UAV被建模为一个智能体，并且可以根据局部信息独立地进行部署决策。接着，利用K‑MAFRL算法对决策模型进行训练，通过与环境交互训练各智能体的本地模型，并将模型参数联邦聚合以生成全局模型，然后将其模型参数传输回所有的智能体以更新其本地网络。最后，通过反馈控制和多无人机协同，逐步找到有效的大规模无人机部署方案。本发明实现高效且自适应的大规模无人机部署。

本发明授权基于多智能体联邦强化学习的无人机部署优化方法在权利要求书中公布了：1.一种基于多智能体联邦强化学习的无人机部署优化方法，其特征在于，包括以下步骤： 步骤S1:将多UAV辅助的MEC系统的每台UAV建模为一个智能体,每台UAV根据运行时环境中收集到的局部信息进行独立决策，并通过设计状态空间、行动空间、转换函数和奖励函数，将UAV的动态部署问题建模为马尔可夫问题模型； 步骤S2:采用K-MAFRL算法训练无人机部署操作的Q值预测联邦模型， 步骤S3:在执行阶段，每台UAV使用步骤S2中得到的无人机部署操作Q值预测联邦模型，根据其运行时环境中的局部信息预测不同部署操作的Q值，并通过比较Q值来选择合适的无人机部署操作，并通过反馈控制和多无人机协同，逐步找到有效的大规模无人机部署方案； 所述马尔可夫问题模型定义为一个4元组，用S、A、R、P表示，其中S是状态空间，A是动作空间，R是奖励函数，P是状态转移函数；各智能体所对应的状态空间S、动作空间A、状态转移函数P和奖励函数R定义如下： 状态空间：UAVn智能体的状态空间用sn表示；sn被定义成一个3元组义其中包含UAVn的计算能力当前UAV可视范围内其他无人机的分布情况Bn以及地面用户分布情况Cn； 动作空间：将UAV的动作空间离散化并定义了5个动作，因此UAVn的动作空间定义为an＝{0,1,2,3,4}，其中包含将动作方向水平分散到东南西北4个飞行方向的动作和一个垂直悬停动作，悬停动作使UAV找到合适位置后保持当前状态； 状态转移函数：状态转移函数Pan,sn,s'n记录给定当前状态sn和应用于sn的当前动作an下一个状态s'n的概率；具体的转移函数表示为 Pan,sn,s'n＝Prs'n|sn,an 奖励函数：在多无人机部署优化问题中，每个UAV都具有相同的目标，即最小化系统平均响应时间，因此将UAVn的奖励函数定义为 rn＝T-T' 其中rn表示UAVn在当前状态sn下执行动作an后该智能体所得到的奖励，其中T和T’分别表示部署方案执行动作前后的系统响应时间。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。