基于Advanced-TD3算法的卫星探索控制策略

卫星控制算法在卫星控制领域拥有十分重要的地位,而深度强化学习则是当前前沿的卫星控制算法之一。针对目前太空环境日渐复杂的问题,提出了基于TD3算法的改进TD3(Advanced-TD3)算法,实现控制卫星到达预定目标区域。在开源环境中进行仿真实验,实验结果验证了该算法的空间探索能力,拥有较高的鲁棒性,可以较为精确地帮助卫星完成控制问题,增强卫星对复杂空间中的控制能力,提高卫星的运行效率。

基于深度强化学习的实时视频边缘卸载策略

视频边缘计算架构将视频任务部分或全部卸载至靠近网络的边端进行处理,为实时视频处理提供了一个解决方案。为加速视频处理,本文搭建了一个视频边缘计算系统。针对具体的疵点检测视频任务,考虑视频处理的实时性和准确度要求,对计算卸载问题进行建模;为使卸载策略更好地适应动态的网络环境,将问题转换为马尔可夫决策过程,提出了一种基于深度强化学习和队列预测的视频计算卸载策略。实验结果表明,该卸载策略相较于基准策略能够在保证准确度的情况下,最大程度地降低系统时延。

改进粒子群算法在能耗预测中的应用

针对能源管理系统中的能耗预测模块,为提升能源消耗的预测效果,引入长短期记忆网络(Long Short-Term Memory,LSTM),并利用改进的粒子群算法对超参数选取进行优化,构建了IPSO-LSTM能耗预测模型。通过工厂半年的数据分析对比,仿真结果表明IPSO-LSTM模型下的预测效果更好,准确性高于BP模型、LSTM模型和PSO-LSTM模型,验证了该模型用于能源管理系统能耗预测的可能性和准确性。