一种面向多业务无人机无线系统的强化学习环境
机器学习
2021-05-31 v1 多智能体系统
摘要
我们设计了一个多用途环境，用于在不同应用情境（例如无线移动连接服务、边缘计算、数据收集）中提供不同通信服务的自主无人机。我们基于 OpenAI Gym 框架开发了该环境，以模拟真实运行环境的多种特征，并采用强化学习来生成最大化某些期望性能的策略。将所得策略的质量与一个简单基线进行比较，以评估系统并得出在不同用例中采用该技术的指导方针。本文的主要贡献是一个灵活且可扩展的 OpenAI Gym 环境，它允许在多业务应用中为自主多无人机系统生成、评估和比较策略。该环境支持在多种应用情境下对不同方法进行对比评估与基准测试。
引用
@article{arxiv.2105.05094,
title = {A Reinforcement Learning Environment for Multi-Service UAV-enabled Wireless Systems},
author = {Damiano Brunori and Stefania Colonnese and Francesca Cuomo and Luca Iocchi},
journal= {arXiv preprint arXiv:2105.05094},
year = {2021}
}