一种基于拍卖和扩散学习的低空智联网任务优化方法

本发明公开了一种基于拍卖和扩散学习的低空智联网任务优化方法，包括：构建集成无人机、空中基站和地面基站的空地协同边缘计算框架，面向任务到达具有不确定性、计算资源异构、通信条件时变等低空应用场景；提出分层优化机制：在大时间尺度上，设计了基于VCG机制的拍卖算法，实现无人机对任务区域的激励兼容分配；在小时间尺度上，提出融合潜变量扩散模型的异构智能体近端策略优化算法(D‑HAPPO)，通过生成建模提升策略多样性与环境适应性。本发明通过引入条件生成过程，实现对任务卸载决策与航迹规划的动态协同优化，有效提升了无人系统在复杂场景下的任务完成率与能耗效率。