基于边缘强化学习的传感器集群位置优化方法

专利主权项内容

1.基于边缘强化学习的传感器集群位置优化方法，其特征在于，包括以下步骤：步骤1，每个异构传感器负责收集传感数据，所述的传感数据包括温度数据、湿度数据、位置数据/>、能效数据/>、信号数据/>、图像数据/>和声音数据/>；定义数据集/>为所有传感器的数据集合，其中，/>表示第/>个传感器的数据，即/>，为传感器数量；N步骤2，每个预定区域设置一个边缘计算节点，区域中的异构传感器将收集到的传感数据传输到边缘计算节点进行边缘计算，以降低传输数据的复杂性和通信成本；步骤3，各个区域的边缘计算节点将边缘计算后的数据发送到中心服务器，所述中心服务器对数据进行强化学习，学习如何优化传感器的位置和关系以达到最优的系统性能；所述强化学习过程中的策略是一个从状态/>到行动/>的映射/>，用于优化回报函数，状态/>为所有传感器的传感数据，行动/>用于调整传感器的位置和状态，/>为网络参数，回报函数/>表示系统性能；强化学习的目标是找到最优策略/>，使得对于所有状态/>，都有：，其中，表示期望，/>是指在已知状态/>和策略/>条件下的回报函数 />的期望；步骤4，根据最优策略，中心服务器向边缘计算节点发送指令，指导各个传感器调整位置和状态；步骤5，传感器位置调整后，中心服务器再次进行强化学习，如此反复，直到获得最优部署位置，其中，/>表示第/>次迭代后的状态，/>表示第/>次迭代的策略。 搜索马 克 数 据 网