受激光充电的无人机协助物联网网络中信息年龄优化：基于多智能体深度强化学习方法
网络与互联网体系结构
2025-07-14 v1
摘要
无人机 (UAV) 与物联网 (IoT) 网络的集成为高效数据收集提供了广阔的解决方案。然而，UAV 的能源容量有限仍是一个重大挑战。激光束导向器 (LBDs) 作为一种有效的无线充电技术，能够在运行期间为 UAVs 充电，从而实现无需频繁返回充电站即可持续数据收集。本文研究了 LBD 供电的无人机协助物联网网络中的信息年龄 (AoI) 优化问题，在该网络中，多个 UAVs 收集来自分布式 IoTs 的数据，同时由激光束充电。我们构建了一个联合优化问题，旨在最小化峰值 AoI，同时确定最佳 UAV 轨迹和激光充电策略。由于其非凸性、复杂的时序依赖性以及需在数据收集效率与能源消耗约束之间进行平衡，该问题尤为具有挑战性。为解决这些挑战，我们提出了一种新型的多智能体近端策略优化 with temporal memory and multi-agent coordination (MAPPO-TM) 框架。具体而言，MAPPO-TM 采用时序记忆机制以捕捉 UAV 操作的动态特性，through decentralized learning 实现多 UAV 之间的有效协调，同时考虑全局系统目标。仿真结果表明，所提出的 MAPPO-TM 算法在峰值 AoI 最小化和能源效率方面均优于传统方法。理想情况下，所提出的算法比传统的多智能体深度强化学习 (MADRL) 方法实现了最高可达 15.1% 的峰值 AoI 降低。
引用
@article{arxiv.2507.08429,
title = {Age of Information Optimization in Laser-charged UAV-assisted IoT Networks: A Multi-agent Deep Reinforcement Learning Method},
author = {Geng Sun and Likun Zhang and Jiahui Li and Jing Wu and Jiacheng Wang and Zemin Sun and Changyuan Zhao and Victor C. M. Leung},
journal= {arXiv preprint arXiv:2507.08429},
year = {2025}
}
备注
21 pages, 8 figures