基于拍卖与深度学习框架的多无人机网络充电调度
计算机科学与博弈论
2020-01-13 v1 信号处理
摘要
最先进的无人机技术由于重量限制存在严重的飞行时间局限,不可避免地导致可用能量相对较少。因此,在配送、勘探或无线基础设施支持等应用中,频繁的电池更换或充电是必要的。带有充电设备的移动充电站(即配备充电设备的移动站)用于户外自组织电池充电是解决该问题的可行方案之一。然而,这些平台在充电数量和充电时间方面对无人机的充电能力有限。本文设计了一种基于拍卖的机制来控制多无人机场景下的充电调度。文中将充电时隙进行拍卖,其分配由竞价过程决定。开发该框架的主要挑战在于缺乏对参与拍卖的无人机数量分布的先验知识。基于最优第二价格拍卖,所提出的公式随后依赖深度学习算法在线学习此类分布。大量仿真数值结果表明,所提出的基于深度学习的方法在多无人机场景中提供了有效的电池充电控制。
引用
@article{arxiv.2001.03611,
title = {Auction-based Charging Scheduling with Deep Learning Framework for Multi-Drone Networks},
author = {MyungJae Shin and Joongheon Kim and Marco Levorato},
journal= {arXiv preprint arXiv:2001.03611},
year = {2020}
}
备注
14 pages, 19 figures, IEEE Transactions on Vehicular Technology ( Volume: 68 , Issue: 5 , May 2019 )