本文笔记探讨了使用深度强化学习（DDPG & DQN）进行无人机调度的问题，目标是最小化时延并最大化奖励。状态维度包括服务器位置、用户位置、任务大小和遮挡情况，行动维度涉及用户卸载选择、无人机飞行角度和距离以及卸载率。在每个时隙，智能体会根据预定义的规则更新其动作，并在特定条件满足时进行重置。
1 目的：最小化时延，最大化奖励 r=-dealy
maximize reward by minimizing the processing delay
2 框架内代码分析
2.1 状态维度和行动维度（数据——行动）
状态维度state_dim=2*(V+S+M)+2*N+N+N
***通过_get_obs()方法返回给reset()方法返回给环境状态向量s，表示当前环境的状态。
- lock：所有服务器（V+S+M个）的位置（2(V+S+M)个数据）
- loc_ue_list：所有uv的位置（2N个数据）
- task_list：所有uv的任务大小（N个数据）
- block_flag_list：所有uv的遮挡情况（N个数据）
行动维度action_dim=2*N+2*V
***将a作为动作向量传入step()方法，表示智能体当前时隙采取的动作
- 每个用户要卸载的服务器编号e[N]——acton[0~119]
- 每架无人机的飞行角度theta[V]——acton[1
最低0.47元/天 解锁文章
1015
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
