基于AI增强平均场资源分配的多无人机信息年龄最小化

无人机群在偏远和敌对地区从地面传感器及时收集数据方面发挥着有效作用。优化无人机群的集体行为可以提高数据收集性能。本文提出了一种新的平均场资源分配优化方法，以最小化传感数据的信息年龄，其中无人机运动与信息年龄之间的权衡被建模为平均场博弈。平均场博弈优化产生了一个包含连续状态和动作的广阔解空间，导致显著的计算复杂度。为了应对实际情况，我们提出了一种新的平均场混合近端策略优化方案，通过优化无人机的轨迹和地面传感器的数据收集调度来最小化平均信息年龄，该方案处理混合连续和离散动作。此外，在平均场混合近端策略优化中利用了长短期记忆网络来预测时变网络状态并稳定训练。数值结果表明，在考虑的仿真设置中，与多智能体深度Q学习方法和非学习随机算法相比，所提出的平均场混合近端策略优化方案分别将平均信息年龄降低了高达45%和57%。