系统工程与电子技术

作者：宋传龙(), 张倩武(), 何健*(), 周文骏(), 王辉(), 孔巍巍(), 田文波

单位：1. 上海大学通信与信息工程学院，上海 200444；2. 上海航天电子通讯设备研究所上海市天基异构网络协同计算重点实验室，上海 201100

关键词：星地协同网络,边缘计算,深度强化学习,任务卸载决策

基金：国家重点研发计划（2023YFE0208100）资助课题

低轨卫星网络作为空间通信网络的重要组成部分，能够有效弥补地面通信网络在边缘计算方面存在的地面基站覆盖面较低、易受自然灾害影响等问题。因此，基于地面边缘计算场景，引入低轨卫星网络，构建了星地协同网络边缘计算场景，并对边缘计算中的关键技术任务卸载进行了研究。鉴于星地网络中通信距离较长、星上资源有限以及各节点相对位置变化迅速等因素可能导致的系统时延和能耗增加问题，以最小化系统时延和能耗为目标，将其建模为一个马尔可夫博弈过程。提出了一种针对星地协同网络边缘计算场景的基于多智能体深度确定性策略梯度的强化学习算法，通过集中式训练和分布式执行来降低系统综合开销。最后，将该算法与其他算法进行比较，结果表明，相较于任务本地处理、深度确定性策略梯度算法和双延迟深度确定性策略梯度算法，该算法使系统综合开销平均降低了37.25%、9.420%和6.756%，同时具备更好的稳定性和收敛性。

来源：2026年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第1期