最新刊期

      贺显

      DOI：10.11959/j.issn.2096-8930.tdyt2026039
      摘要：针对6G星地融合网络中资源异构、约束多维且动态时变导致的调度难题，提出了一种基于分层协同架构与异质图统一表征的智能调度方法。首先，构建了“星载层-地面层-边缘层”分层协同架构，并将多域资源抽象为异质图；其次，在分析了时延、容量、能量等七类关键约束的基础上，将该问题建模为约束马尔可夫决策过程（Constrained Markov Decision Process, CMDP），设计了一种结合动作掩码与安全投影的轻量级近端策略优化（Proximal Policy Optimization, PPO）算法，以实现频谱、功率、计算与存储的联合调度。仿真结果表明，与启发式算法、两阶段优化、离散型深度Q网络（Deep Q-Network）、轮询与随机分配作为下界基准及标准PPO相比，所提方法使高优先级业务的长尾时延降低33%~58%，物联网接入碰撞概率下降56%，并在切换窗口内显著提升了任务完成率与有效吞吐。工程实现层面，通过结构化剪枝、低秩分解与8位整数量化，将模型参数量压缩至原始的三分之一，确保星载毫秒级推理的可行部署。  
      关键词：6G星地融合;异质图建模;资源协同调度;轻量级深度强化学习;近端策略优化   
      8
      |
      2
      |
      0
      <HTML>
      <网络PDF><WORD><XML><Meta-XML>
      <引用本文> <批量引用> 172868028 false
      更新时间：2026-09-29
    0