去中心化深度强化学习调度算法

数据收集率近85%

提出集中训练、分布式执行的DRL-Schedule框架，有效解决6G天地空网络异构物联网的数据收集难题。

Ru, Jin · 林荣恒

Computer Networks 2026

参数信息

平均数据收集率（变化无人机数量）

85 %

平均能量效率（变化无人机数量）

6.54

技术优势

数据收集率可达85%

采用双模传输和去中心化深度强化学习调度，在多无人机场景下平均收集率约85%，超过所有基准算法。

同时优化能耗

引入无线能量传输缓解频繁发送导致的能耗，并将能耗最小化纳入目标，平均能效达6.54。

应用场景

• 远程物联网数据收集：在基础设施匮乏的偏远地区，以双模传输收集异构节点数据。
• 无人机数据卸载：无人机存储容忍时延数据后返回基站卸载，容量受限也有效。
• 卫星物联网中继：低轨卫星为时延敏感数据提供快速中继，保证信息年龄。
• 低功耗广域网：无线能量传输缓解频繁发送的能耗，适合能量受限节点。