期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
数字孪生辅助UAV网络计算卸载优化
被引量：
1
1
作者
缪家辉
郑镐
+2 位作者
谢
正
昊
赖健鑫
蒋丽
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2022年第6期133-139,共7页
针对动态时变无人机(UAV)网络环境下智能终端有限计算资源不能满足资源密集型任务计算需求的问题,使用数字孪生技术构建了UAV网络的孪生模型,并设计了智能终端计算卸载策略。将计算任务卸载过程建模为马尔可夫决策过程,建立联合UAV悬停...
针对动态时变无人机(UAV)网络环境下智能终端有限计算资源不能满足资源密集型任务计算需求的问题,使用数字孪生技术构建了UAV网络的孪生模型,并设计了智能终端计算卸载策略。将计算任务卸载过程建模为马尔可夫决策过程,建立联合UAV悬停点选择、计算卸载决策、UAV计算资源分配的优化模型。考虑到孪生模型与真实UAV网络的虚实映射误差,提出了基于近端策略优化的计算卸载优化算法。仿真结果表明,所提算法在适应虚实映射误差方面优于传统的深度强化学习算法。
展开更多
关键词
数字孪生
UAV网络
计算任务卸载
虚实映射误差
近端策略优化
原文传递
面向无人机数字孪生边缘网络的联邦学习资源自适应优化机制
2
作者
谢
正
昊
赖健鑫
+1 位作者
庄晓翀
蒋丽
《广东工业大学学报》
CAS
2024年第4期61-69,共9页
为了解决无人机数字孪生边缘网络联邦学习性能优化问题,本文提出一种基于深度强化学习的无人机数字孪生边缘网络资源调度策略。考虑动态时变的无人机数字孪生边缘网络环境,构建包含地面基站(Base Station,BS)、地面智能终端、空中无人...
为了解决无人机数字孪生边缘网络联邦学习性能优化问题,本文提出一种基于深度强化学习的无人机数字孪生边缘网络资源调度策略。考虑动态时变的无人机数字孪生边缘网络环境,构建包含地面基站(Base Station,BS)、地面智能终端、空中无人机以及无线传输信道的孪生网络模型,建立联合无人机飞行距离、飞行角度以及无线网络频谱资源分配的自适应资源优化模型,实现最小化联邦学习时延的目标。在无人机数字孪生边缘网络环境下,提出多智能体深度确定性策略梯度算法(Multi-Agent Deep Deterministic Policy Gradient,MA-DDPG),求解自适应资源优化模型。算法训练过程采用中心化训练、去中心化执行的方式,每个无人机智能体在评估动作价值时会考虑其他智能体的状态和动作,而在执行时只根据自身的局部观察来决定动作。上述训练过程将在数字孪生环境中执行,算法收敛后再应用于真实世界,最大限度地减少物理实体的资源开销。仿真结果表明,所提算法可显著降低联邦学习服务时延,同时保证联邦学习训练损失和准确率的优越性。
展开更多
关键词
无人机网络
数字孪生
联邦学习
多智能体深度确定性策略梯度
下载PDF
职称材料
题名
数字孪生辅助UAV网络计算卸载优化
被引量：
1
1
作者
缪家辉
郑镐
谢
正
昊
赖健鑫
蒋丽
机构
广东工业大学物联网信息技术广东省重点实验室
出处
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2022年第6期133-139,共7页
基金
国家重点研发计划项目(2020YFB1807801)
移动通信教育部工程研究中心开放研究项目(cqupt-mct-202003)。
文摘
针对动态时变无人机(UAV)网络环境下智能终端有限计算资源不能满足资源密集型任务计算需求的问题,使用数字孪生技术构建了UAV网络的孪生模型,并设计了智能终端计算卸载策略。将计算任务卸载过程建模为马尔可夫决策过程,建立联合UAV悬停点选择、计算卸载决策、UAV计算资源分配的优化模型。考虑到孪生模型与真实UAV网络的虚实映射误差,提出了基于近端策略优化的计算卸载优化算法。仿真结果表明,所提算法在适应虚实映射误差方面优于传统的深度强化学习算法。
关键词
数字孪生
UAV网络
计算任务卸载
虚实映射误差
近端策略优化
Keywords
digital twin
unmanned aerial vehicle networks
computing tasks offloading
virtual-real mapping error
proximal policy optimization
分类号
TN929.5 [电子电信—通信与信息系统]
原文传递
题名
面向无人机数字孪生边缘网络的联邦学习资源自适应优化机制
2
作者
谢
正
昊
赖健鑫
庄晓翀
蒋丽
机构
广东工业大学自动化学院
广东工业大学物联网信息技术广东省重点实验室
智能检测与制造物联教育部重点实验室
出处
《广东工业大学学报》
CAS
2024年第4期61-69,共9页
基金
国家重点研发计划项目(2020YFB1807801)
国家自然科学基金资助面上项目(62371142,62273107)。
文摘
为了解决无人机数字孪生边缘网络联邦学习性能优化问题,本文提出一种基于深度强化学习的无人机数字孪生边缘网络资源调度策略。考虑动态时变的无人机数字孪生边缘网络环境,构建包含地面基站(Base Station,BS)、地面智能终端、空中无人机以及无线传输信道的孪生网络模型,建立联合无人机飞行距离、飞行角度以及无线网络频谱资源分配的自适应资源优化模型,实现最小化联邦学习时延的目标。在无人机数字孪生边缘网络环境下,提出多智能体深度确定性策略梯度算法(Multi-Agent Deep Deterministic Policy Gradient,MA-DDPG),求解自适应资源优化模型。算法训练过程采用中心化训练、去中心化执行的方式,每个无人机智能体在评估动作价值时会考虑其他智能体的状态和动作,而在执行时只根据自身的局部观察来决定动作。上述训练过程将在数字孪生环境中执行,算法收敛后再应用于真实世界,最大限度地减少物理实体的资源开销。仿真结果表明,所提算法可显著降低联邦学习服务时延,同时保证联邦学习训练损失和准确率的优越性。
关键词
无人机网络
数字孪生
联邦学习
多智能体深度确定性策略梯度
Keywords
unmanned aerial vehicle networks
digital twin
federated learning
multi-agent deep deterministic policy gradient
分类号
TN929.5 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
数字孪生辅助UAV网络计算卸载优化
缪家辉
郑镐
谢
正
昊
赖健鑫
蒋丽
《北京邮电大学学报》
EI
CAS
CSCD
北大核心
2022
1
原文传递
2
面向无人机数字孪生边缘网络的联邦学习资源自适应优化机制
谢
正
昊
赖健鑫
庄晓翀
蒋丽
《广东工业大学学报》
CAS
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
