基于多智能体深度强化学习的天空地分布式协同卸载方法

邱源; 孙嘉钰; 牛建伟; 姚依明; 罗翔

引用本文:	邱源,孙嘉钰,牛建伟,姚依明,罗翔.基于多智能体深度强化学习的天空地分布式协同卸载方法[J].上海航天（中英文）,2025,42(5):23-32.
	QIU Yuan,SUN Jiayu,NIU Jianwei,YAO Yiming,LUO Xiang.An MARL-based Space-air-ground Distributed Collaborative Task Offloading Method[J].Aerospace Shanghai,2025,42(5):23-32.

【打印本页】【下载PDF全文】【】

本文已被：浏览 67次下载 29次

分享到：微信更多

字体:加大+|默认|缩小-

基于多智能体深度强化学习的天空地分布式协同卸载方法

邱源^1,2,孙嘉钰²,牛建伟¹,姚依明¹,罗翔²

1.北京航空航天大学计算机学院，北京 100191;2.上海航天电子技术研究所上海市天基异构网络协同计算重点实验室，上海 201109

摘要:

低轨(LEO)卫星星座因其广域覆盖和无缝接入等特性，正加速天空地一体化网络成为移动边缘计算极具前景的范式架构。然而，现有工作未充分考虑在多星协同和空天双边缘场景下的任务-资源匹配，时间能耗敏感型任务卸载仍存在挑战。首先考虑任务与多维资源的匹配关系、任务处理的时延能耗、星间协同的传输成本因素，构建多目标联合优化问题。为实现高效求解，提出一种基于多智能体深度强化学习(MARL)的天空地一体化多任务协同卸载框架。该方法能够有效结合地面、无人机、卫星跨域协同决策以及星间协同决策。实验证明:所提方法具有高效的收敛性，并与现有方法相比具有明显优势。

(1.School of Computer Science and Engineering，Beihang University，Beijing 100191，China;2.Shanghai Key Laboratory of Collaborative Computing in Spatial Heterogeneous Network，Shanghai Aerospace Electronic Technology Institute，Shanghai 201109，China)