Aug, 2022

基于公平性的便携式接入点能效 3D 路径规划：一种深度强化学习方法

PDF
TL;DR通过采用深度强化学习控制策略以最大化公平能效（FEE）指标来优化无人机提供给一组地面节点的无线服务，从而显着提高了城市、郊区和密集市区实验中的用户公平性、能量效率和整个系统的公平能效值。
发现论文，激发创造
  • 使用深度强化学习优化无人机辅助网络能源效率

    本文研究了无人机供应无线覆盖时的能源效率优化问题，提出了一种基于多智能体去中心化双重深度 Q 网络的算法，优化了每个无人机的三维航迹、连接用户数量和使用能源的协同优化，结果达到比现有基线方法提高 55% 至 80% 的能源效率。

    Apr, 2022

  • 多智能体深度强化学习在多无人机辅助移动边缘计算中的轨迹规划应用

    提出一种无人机辅助的移动边缘计算框架，采用多智能体深度强化学习算法来优化无人机的轨迹，同时通过低复杂度方法优化用户设备的卸载决策。该解决方案相较于传统算法在服务用户设备公平性、无人机负载公平性和所有用户设备的能耗上性能表现较好。

    Sep, 2020

  • 密度感知强化学习优化无人机辅助网络能效

    该论文提出了一种密度感知的通信多智能体去中心化双重深度 Q 网络方法，它最大化了每个无人机的轨迹、已连接用户数量和无人机的能耗，同时跟踪密集和不均匀的用户分布。该方法优于现有技术 65％-85％的能源效率。

    Jun, 2023

  • 面向 5G 多 MAP 网络的动态灵活三维操作的联邦式多智能体深度强化学习

    本文提出了一种基于两级层次结构的管理方法，结合统一接入 - 回传约束、联邦式机器学习和双注意力深度强化学习模型，在考虑移动接入点规划的同时，优化无人机的部署和网络结构设计，提高 5G 网络中移动接入点的效率。

    Jun, 2023

  • 学习充电：通过深度强化学习进行无人机覆盖路径规划

    通过利用基于地图的观测、动作掩码和折扣因子调度的近端策略优化（PPO）深度强化学习（DRL）方法，尤其考虑充电航程的整体覆盖策略中复杂长期决策的问题，本研究提出了一种解决无人机有限电池的电量限制覆盖路径规划（CPP）问题的新方法，提供了处理由充电能力引起的紧急状态循环的位置历史，超越了基线启发式算法，并对长期问题的 DRL 算法设计提供了有价值的见解，并为 CPP 问题提供了一个可公开使用的软件框架。

    Sep, 2023

  • 利用深度强化学习进行变化功率限制下的无人机覆盖路径规划

    本文提出了一种新方法，利用端到端强化学习通过地图通道提供空间信息并使用 DDQN 平衡有限电力预算和无人机的航程，以控制在一些禁飞区域有随机起飞位置和多个降落选项的环境中的无人机 CNN 航迹规划任务，此方法可以应用于各种环境且很好地协调了复杂的系统约束与目标结构。

    Mar, 2020

  • 无线电联网无人机的联合路径规划和功率分配，利用通过深度反向强化学习的学徒学习

    该研究论文探讨了一种面向空中无人机的干扰感知联合路径规划和功率分配机制，旨在最大化上行吞吐量并降低地面用户设备的干扰，模拟结果表明该方法可以实现专家级别的性能水平。

    Jun, 2023

  • 隐私保护的联邦多智能体强化学习在车联网的边缘关联和功率优化中的应用

    针对面临环境不确定性和无法进行个体学习的情况，研究了在保障隐私的前提下联合边缘关联和功率分配问题。通过联邦多智能体强化学习来解决这一问题，提高了无线连接性的成本效益，保护了更高的隐私级别，同时只共享加密的训练数据。

    Jan, 2023

  • 感知与能量感知的无人机基于学习模型的运动规划在异方差不确定下

    全球导航卫星系统（GNSS）受限环境要求无人机（UAV）以节能可靠的方式飞行。为此，本研究提出了适用于无人机在 GNSS 受限环境中的感知与能量感知的运动规划。该规划器通过优化成本函数来解决轨迹规划问题，其中包括无人机总能耗和激光雷达（LiDAR）传感器的感知质量两个指标。仿真实验在逼真环境中证实了该规划器在异方差不确定性下能够平衡节能和感知质量的权衡。

    Sep, 2023

  • 基于神经网络的均场博弈路径规划在大规模自主无人机中的应用

    本文介绍了使用机器学习方法在无人机的自主控制中实现均场博弈控制的技术，该技术可有效避免相互碰撞并减少通信和计算能耗。

    May, 2019