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！

龙图腾网获悉南京邮电大学申请的专利基于强化学习的低轨卫星星间计算卸载与资源分配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：CN118804095B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411060243.4，技术领域涉及：H04W28/08；该发明授权基于强化学习的低轨卫星星间计算卸载与资源分配方法是由丁晓进;陈瑞杰;谢旭旭;朱晓荣设计研发完成，并于2024-08-05向国家知识产权局提交的专利申请。

本基于强化学习的低轨卫星星间计算卸载与资源分配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低轨卫星星间计算卸载与资源分配方法，通过进行可用卫星节点筛选：选择符合设定条件的边缘卫星，加入边缘卫星群组；进行优化建模：建立系统模型包括任务模型与计算模型，通过任务模型与计算模型，得到与卸载决策和计算资源分配的相关的优化问题，并将优化问题进行马尔可夫决策过程建模即MDP建模，得到MDP模型；使用深度确定性策略梯度算法即DDPG算法进行联合求解，最终通过训练后的DDPG神经网络模型输出最优卸载策略和最优计算资源分配。该方法不仅能够提高计算资源的利用率，能够减少任务的执行时间，还能够在保证通信质量的同时，降低网络的整体能耗。

本发明授权基于强化学习的低轨卫星星间计算卸载与资源分配方法在权利要求书中公布了：1.一种基于强化学习的低轨卫星星间计算卸载与资源分配方法，其特征在于：包括以下步骤， S1、进行可用卫星节点筛选：本地卫星收到任务时，向云中心发送信息，云中心节点向可用卫星发出询问并接收可用卫星信息，可用卫星信息包括每个可用卫星的可用计算资源、在前设定期限内故障的次数以及与本地卫星之间的跳数，然后根据可用卫星信息来进行筛选，选择符合设定条件的N个边缘卫星，加入边缘卫星群组； S2、进行优化建模：建立系统模型包括任务模型与计算模型，通过任务模型与计算模型，得到与卸载决策和计算资源分配的相关的优化问题，并将优化问题进行马尔可夫决策过程建模即MDP建模，得到MDP模型包括状态、动作和奖励三个部分； 步骤S2中，建立系统模型，具体为， S21、任务模型中将接收到的总任务进行分割，得到M个子任务，得到任务信息C＝{C1,...,Ci,...,CM}，其中，Ci为子任务i的信息，1≤i≤M，每个子任务i的信息由两个参数组成的元组来表示：Ci＝di,ci，其中，di表示子任务i的数据量，ci表示完成子任务i需要的周期数； S22、计算模型包含本地计算模型与卸载计算模型， 本地计算模型包括子任务i在本地执行时的本地计算时延本地计算能耗与本地可信值其中，fL为本地计算能力，κ为能量系数，为常数； 卸载计算模型包括子任务i卸载到边缘卫星j进行计算的卸载传输时延卸载传播时延卸载计算时延卸载传输能耗卸载计算能耗卸载可信值其中，vij表示星间传输速率，L表示相邻两颗卫星之间的距离，c为光速，为第j个边缘卫星分配给子任务i的计算能力，ptrans为本地卫星到边缘卫星之间的传输功率，x为本地卫星到第j个边缘卫星的最小跳数，e为指数函数exp·；假设节点出现故障的概率服从参数为σ的泊松分布，定义卸载可信值为在子任务i处理时间间隔[0,t]内边缘卫星节点j上没有发生故障的概率值； S3、使用深度确定性策略梯度算法即DDPG算法进行联合求解：将获得的任务信息、任务队列状态和边缘卫星节点信息作为输入，在训练阶段，对DDPG神经网络进行训练，得到训练后的DDPG神经网络模型；在测试阶段，最终通过训练后的DDPG神经网络模型输出最优卸载策略和最优计算资源分配。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。