基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法

1.基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，包括：

2.根据权利要求1所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，获取空地无线通信缓存网络的累计平均吞吐量包括：

3.根据权利要求2所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，获取用户n在前t个时隙中的时间累计吞吐量包括：

4.根据权利要求2所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，前t个时隙中的时间累计吞吐量为：

5.根据权利要求3所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，时隙t内无人机m对用户n的缓存命中概率为：

6.根据权利要求1所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，无人机轨迹的所述优化目标函数为：

7.根据权利要求6所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，所述无人机在时隙t的剩余能量的获取方法为：

8.根据权利要求7所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，无人机m在下一时隙的位置为：

9.根据权利要求1所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，

10.根据权利要求1所述的基于联邦深度强化学习的多无人机内容缓存与轨迹规划方法，其特征在于，采用联邦深度强化学习的算法计算全局参数为：