航空基站(ABS)允许智能农场从物联网(IoT)设备的ABS卸载复杂任务的处理责任。 IoT设备的能源和计算资源有限,因此需要为需要ABS支持的系统提供高级解决方案。本文介绍了一种新型的基于多进取的风险敏感的增强学习方法,用于用于智能农业的ABS任务计划。该问题被定义为任务卸载,并在其截止日期之前完成IoT任务的严格条件。此外,该算法还必须考虑ABS的能量能力有限。结果表明,我们提出的方法的表现优于几种启发式方法和经典的Q学习方法。此外,我们提供了混合整数线性编程解决方案,以确定性能的下限,并阐明我们的风险敏感解决方案与最佳解决方案之间的差距。比较证明了我们的广泛仿真结果表明,我们的方法是一种有前途的方法,可以为智能农场中的物联网任务提供保证的任务处理服务,同时增加了该农场中ABS的悬停时间。
translated by 谷歌翻译