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面向物联网的多无人机部署与协作卸载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：CN119300048B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411328230.0，技术领域涉及：H04W16/18；该发明授权面向物联网的多无人机部署与协作卸载方法是由陈哲毅;黄智钦;张俊杰;赖轩;郑霖睿设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本面向物联网的多无人机部署与协作卸载方法在说明书摘要公布了：本发明提供面向物联网的多无人机部署与协作卸载方法，首先，将原始联合优化问题转化为UAV部署子问题与计算卸载子问题；接着，针对UAV部署子问题，提出一种基于约束K‑Means聚类的UAV部署方案；通过将UAV覆盖范围约束引入K‑Means聚类，自适应地调整UAV的部署位置以提高系统中计算卸载服务的覆盖率与覆盖均衡度；最后，针对计算卸载子问题，提出一种基于MARL的多UAV协作计算卸载策略；通过中心化训练与去中心化执行的模式，所提策略实现近似最优的计算卸载与UAV协作策略。应用本技术方案可实现更优的UAV部署性能，在提升服务覆盖率的同时改善了覆盖均衡。

本发明授权面向物联网的多无人机部署与协作卸载方法在权利要求书中公布了：1.面向物联网的多无人机部署与协作卸载方法，其特征在于，首先，将原始联合优化问题转化为UAV部署子问题与计算卸载子问题；接着，针对UAV部署子问题，提出一种基于约束K-Means聚类的UAV部署方案；通过将UAV覆盖范围约束引入K-Means聚类，自适应地调整UAV的部署位置以提高系统中计算卸载服务的覆盖率与覆盖均衡度；最后，针对计算卸载子问题，提出一种基于MARL的多UAV协作计算卸载策略；通过中心化训练与去中心化执行的模式，所提策略实现近似最优的计算卸载与UAV协作策略； 包括面向IoT设备的UAV部署与协作卸载系统，所述面向IoT设备的UAV部署与协作卸载系统由UAVs和IoT设备组成；IoT设备通过无线链路向UAVs请求计算卸载服务，记为集合U＝{u1,u2,...,un}，水平坐标表示为{w1,w2,...,wn}；UAVs为其覆盖范围内的IoT设备提供计算卸载服务，记为集合UAV＝{uav1,uav2,...,uavm}，水平坐标表示为{q1,q2,...,qm}；UAVs的水平高度为H，则ui1≤i≤n与uavj1≤j≤m之间的距离为： 多个UAVs之间需要进行协作卸载，UAVs将来自IoT设备的任务转发到其协作UAVs上执行；系统时隙表示为t∈{1,2,...,T}，在每个时隙开始，IoT设备选择将其计算请求在本地执行或卸载到与其连接的UAVs上执行；若IoT设备未在任何UAVs的覆盖范围内，则其计算请求在本地执行； 在时隙t，来自ui的任务被定义为一个三元组＜Di[t],Si[t],ci＞，其中Di[t]表示任务的输入数据量，Si[t]表示任务的计算复杂度，ci表示关联指示变量；当ui连接到uavj时，ci＝j；当ui无法连接到可用的UAV时，ci＝0；来自IoT设备的任务可在本地执行或卸载到UAVs上执行；ui在时隙t的卸载决策表示为αi[t]∈{0,1}；当ui在本地执行任务或无法连接到可用的UAV时，αi[t]＝0；当ui将任务卸载到一台UAV上执行时，αi[t]＝1；具体地，分为如下两种计算模式； 1本地计算模式 当任务在本地执行时，其时延为： 其中，fi表示ui的计算能力； 2UAV计算模式 IoT设备通过正交频分多址接入UAVs；当ui的任务被卸载至uavj时，其输入数据会先被上传；根据香农定理，ui与uavj之间的数据传输速率为： 其中，Bu表示IoT设备与UAVs之间的信道带宽，Pi代表ui的传输功率；其中ρ0表示单位距离的信道收益，N0表示噪声功率谱密度； 因此，ui卸载任务至uavj的传输时延为： 接着，uavj需要并发处理nj[t]个任务；因此，来自ui的任务在uavj上的计算时延为： 其中，fmax表示一台UAV的计算能力； 高负载的UAVs上的任务可转发至低负载的UAVs以实现负载均衡；具体地，uavj在时隙t的协作卸载决策定义为βijk[t]∈{0,1}；当uavj决定把ui的任务转发至uavk时，βijk[t]＝1；否则，βijk[t]＝0；一个任务最多被转发一次，记为当任务从uavj转发至uavk进行协作卸载时，两者之间的数据传输速率为： 其中，Buav表示UAVs之间的信道带宽，Puav表示UAVs之间的传输功率，为uavj与uavk之间的距离；因此，将ui的任务从uavj转发至uavk的传输时延为： 转发后的任务在uavk上的计算时延为： 执行ui任务的时延为： 处理ui任务的总时延为： Ti total[t]＝1-αi[t]Ti u_c[t]+αi[t]Ti u_t[t]+Ti uav_total[t]10 综上，在时隙t，处理所有任务的总时延为： 当任务被卸载到UAVs上处理时，产生三方面的能耗，包括UAVs执行任务的能耗、UAVs之间转发任务的能耗以及UAVs维持悬停状态的能耗； uavj执行ui任务的能耗为： 其中，κ表示有效电容系数； uavj将ui任务转发至uavk的能耗为： UAVs在每个时隙维持悬停状态的能耗为e；因此，所有UAVs在时隙t内的总能耗为： 其中，表示uavj执行的任务集合，表示从uavj转发出去的任务集合；对于 由于UAVs的电量有限，无法一直为IoT设备提供计算卸载服务；当电量低于阈值bmin时，UAVs将不再提供计算卸载服务并返航续电； 优化目标为最小化任务处理总时延与UAV能耗的加权之和；优化问题形式化定义为： 其中，λ1和λ2分别表示时延与能耗的权重，bj[t]表示uavj在时隙t剩余的电量，bmin表示UAVs必须保留的最低电量；C1和C2表示卸载决策的取值范围约束；C3表示一个任务在UAVs之间转发的次数约束；C4表示IoT设备与其关联UAV的距离约束，其中R为UAVs的覆盖范围半径；C5表示关联指示变量的取值范围约束；约束C6表示UAVs用于执行任务的计算资源不能超过其最大计算资源约束；C7表示UAVs在提供计算卸载服务时，需要保留最低电量bmin用于返航续电； 对于UAV部署问题，将IoT设备划分为多个簇，进而在每个簇的质心部署UAV以最大化服务覆盖范围；定义服务覆盖率与覆盖均衡度作为UAV部署的性能指标，进而设计一种基于约束K-Means聚类的UAV部署方案；具体而言，以UAV覆盖范围为基准来划分簇，使得簇大小不会超出UAV覆盖范围；同时，在划分簇时考虑各UAV覆盖范围内IoT设备数量的均衡情况； 在每轮迭代中，首先随机初始化UAVs的位置，并初始化簇集合变化标识，其用于检查簇的划分是否达到收敛；接着，将处于UAVs覆盖范围内的IoT设备分配到相应UAVs的簇中；具体来说，不同于经典K-Means算法根据与质心距离最小的原则分配数据点，在分配IoT设备时考虑IoT设备是否处于UAVs的覆盖半径内；当IoT设备同时被多个UAVs覆盖时，将选择最近的UAV并标识该变化，进而更新UAVs的覆盖数量；接着，计算当前的覆盖率和所有UAVs的负载程度，其分别定义为： 当接近覆盖均衡时，F1≈F2≈...≈Fm；采用均方差来评估覆盖均衡度，其定义为： 其中， 接着，将覆盖率和覆盖均衡度归一化到相同数值区间；将每个簇的均值作为新的质心并部署UAVs；通过迭代，UAVs的部署位置会逐步趋向IoT设备分布较为密集的区域，使其能够服务更多的IoT设备；迭代结束后，选择覆盖率和覆盖均衡度加权之和最小的方案进行UAV部署； 在解决UAV部署之后，计算卸载问题进一步从P1拆分出来，其表述为： 提出一种基于MARL的多UAV协作计算卸载策略：将所提出的多UAV协作卸载系统视为环境，多个智能体同时与环境交互并选择相应的卸载动作；在收到环境反馈的奖励信号后，分布式更新每个actor网络；critic网络采用中心化更新方式；相应地，状态空间、动作空间和奖励函数定义如下： 状态空间：状态空间包括任务属性、IoT设备的计算能力fi、IoT设备的数据传输功率Pi，UAV的剩余电量b[t]；因此，在时隙t，智能体j所观察到的状态表示为： 其中，1≤j≤m，和分别表示所有任务的数据量和计算复杂度构成的集合； 动作空间：动作空间包含IoT设备的卸载决策α[t]和UAVs的协作卸载决策β[t]；将α[t]和β[t]进行整合，整合后的卸载决策记为η[t]∈{0,1,2,...,m}；因此，在时隙t，智能体j的动作表示为： 其中，表示智能体j对所有任务做出的卸载决策；ηi[t]＝0表示ui没有产生任务或者智能体决定在本地执行任务；ηi[t]＝k,k∈{1,2,...,m}表示智能体决定将任务卸载到uavk上执行； 奖励函数：P2的优化目标为最小化任务处理总时延与UAV能耗的加权之和；因此，在时隙t，奖励函数表示为： r[t]＝-λ1NTu_tot[t]+λ2NEuav_tot[t],22 其中，λ1和λ2分别表示时延与能耗的权重；N为归一化函数，将时延与能耗归一化到同一数值区间。

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。