具有 大语言模型 的代理人工智能框架和移动边缘计算无人机辅助物流调度的思想链

在云制造中，无人机（UAV）可以同时支持产品采集和移动边缘计算（MEC）。这种联合操作形成了混合调度问题，其中物理物流决策与计算任务调度相结合。在本文中，无人机从制造站收集成品并将其运回中央仓库。与此同时，这些站的工业传感器设备生成的计算任务在无人机上本地处理，或通过无人机卸载到云端。这种耦合使问题变得具有挑战性。无人机只能在站点的服务窗口期间提供MEC服务，因此路由决策直接决定无人机辅助卸载何时可用。路由决策还会影响无人机的能量预算以及在任务期限限制下执行计算任务的机载计算和通信资源的可用性。为了解决这个问题，我们提出了一个由两个组件组成的代理人工智能辅助优化框架。首先，我们开发了一种代理人工智能，它结合了 大语言模型、检索增强生成和思维链推理，将用户输入转换为混合调度问题的可解释的数学公式。其次，我们设计了一种基于近端策略优化（PPO）的分层深度强化学习方法，其中上层学习无人机路由，下层优化每个槽的任务执行和资源分配。仿真结果表明，所提出的框架产生了更一致的公式，而分层 PPO 在最后 500 集的 99.6% 中实现了完整的产品收集，并保持了 100% 的截止日期满意率，其性能比优势 Actor-Critic 方法更稳定。