Sep, 2022

基于 SMDPs 的功耗受限无人机中继多尺度自适应调度和路径规划

PDF
TL;DR本文描述了一种使用无人机中继的去中心化群体编队协同技术，以增强地面基站的覆盖范围和服务能力，通过使用半马尔可夫决策过程和竞争群体优化对单个中继器进行了优化控制策略的导出，并通过复制和共识驱动的命令和控制泛化到 UAV 群体。我们演示了我们的框架相对于静态 UAV 中继部署的平均服务延迟和每个 UAV 功耗的优越性。
uav swarmrotary-wing uav-relayssemi-markov decision processmultiscale decompositiondata payload delivery
发现论文，激发创造
  • 分布式多目标动态卸载调度的空地合作 MEC

    无人机协助地面移动边缘计算具有较高能效和减少任务积压的潜力，本文提出了基于多目标动态轨迹规划和卸载调度的分布式方案，集成了多目标强化学习和核方法，结果显示此方法相较于传统方法具有更好的能耗和任务积压表现。

    Mar, 2024

  • 多无人机多 RIS 关注 QoS 的空中通信系统使用 DRL 和 PSO

    无人机在提供无线服务方面具有优势，但资源限制给应用带来挑战。本论文介绍了一种优化模型，通过无人机路径规划和多重反射面支持，最大化吞吐量和覆盖范围，通过深度强化学习和粒子群算法解决了线性规划技术的限制，并通过大量仿真实验证明在服务质量方面相比其他方法有较大的提升。

    Jun, 2024

  • 无人机辅助中继与边缘计算：调度和轨迹优化

    本篇论文主要研究了基于无人机辅助下的移动边缘服务架构，提出了一种交替优化算法可以在非凸的情况下最小化加权和能量消耗并进行计算资源调度、带宽分配和无人机轨迹规划等多个方面的联合优化，数值仿真结果表明了该算法的出色表现。特别是在处理计算密集型任务时，算法的优势更加明显。

    Dec, 2018

  • 资源受限无人机群的低延迟、高可靠卷积神经网络分布式推理

    该研究提出了一种将实时请求划分为子任务，并基于可用资源在无人机群中分配的系统模型，以最小化传输延迟和提高可靠性。研究使用三个子问题来优化传输功率、无人机位置和 CNN 层数的放置，并通过模拟结果表明，该模型表现出比竞争模型更好的性能。

    May, 2023

  • 基于双连接支持的无人机辅助 RIS Heterogeneous 网络的传输功率最小化资源管理

    本文提出了一种利用多架无人机作为被动中继器搭载可重构智能表面，以改善双连通支持的异构网络（HetNet）性能的新方法。我们通过对优化 UAV 的轨迹 / 速度、RIS 相移、子载波分配以及每个 BS 的有源波束赋形器进行联合优化，解决了总发射功率最小化问题，从而降低了传输功率，同时保持了相似的 QoS。

    Jun, 2021

  • 用于飞行中继放置的高效本地地图搜索算法

    本研究探讨了用于无线网络的无人机的最佳放置问题。提出的方法能够利用本地地形信息，提供性能保证，以在最小化地面终端传播距离与发现良好传播条件之间达到最佳权衡，并证明了可以找到全局最优无人机位置。与基于统计传播模型的其他定位方法相比，显著提高了吞吐量。

    Jan, 2018

  • 多无人机网络联合轨迹和通信设计

    本文研究了基于多架无人机构成的无线通信系统，通过优化多用户通信调度与关联，无人机的轨迹与发射功率控制，最大程度地提高地面用户的最小吞吐量。提出了适用于非凸优化问题的迭代算法，实现了用户调度、无人机轨迹和发射功率的交替优化，并对问题的收敛性和复杂度进行了分析。仿真结果表明，与其他基准方案相比，该优化设计能极大地提升吞吐量。

    May, 2017

  • 基于 AI 的 NOMA NTNs 中的无线电和计算资源分配与路径规划：在 CSI 不确定性下减小 AoI

    用空中计算框架由高空平台和无人机组成，解决通过上行非正交多址接入连接的移动用户的任务完全卸载问题，通过调整无人机轨迹和资源分配来最小化用户的数据时延，使用多智能体深确定策略梯度和联邦强化学习两种方法优化求解，显示任务调度显著降低了数据时延。

    May, 2023

  • 多无人机辅助无线网络的轨迹设计与功率控制：一种机器学习方法

    本研究提出了一种基于用户移动信息预测的多无人机轨迹设计的新框架，其利用机器学习技术为多个无人机实现位置信息获取和轨迹设计，并通过多智能体 Q 学习算法实现对其位置的预测与优化。同时，数值结果表明所提出的多智能体 Q 学习算法的轨迹设计和功率控制算法可以在较小的条件下收敛，并且可以实现 17％左右的吞吐量改进。

    Dec, 2018

  • 基于分层深度强化学习的多无人机辅助无线供电动态通信设计

    该研究提出了一种在多个无人机的辅助下，针对动态环境中的无线供能通信网络（WPCN）的新设计。通过引入新的基于双阈值的无线节点类型更新规则，以及多智能体深度强化学习（MAHDRL）框架，能有效解决航迹决策和能源传输与数据收集决策的优化问题。通过大量的仿真实验结果验证了该方法在各种国际先进基准测试中的卓越性能。

    Dec, 2023