面向无人机辅助车载无线网络的持续元强化学习
机器学习
2022-10-06 v2 网络与互联网体系结构
摘要
无人空中基站（UABS）可部署于车载无线网络中，以支持经由车辆到一切（V2X）服务的扩展感知等应用。此类系统中的一个关键问题是设计算法以高效优化 UABS 的航迹从而最大化覆盖。在现有方案中，这种优化针对任意新流量配置从头开始进行，常借助常规强化学习（RL）。本文提出使用持续元强化学习（continual meta-RL）作为将先前经历的流量配置信息迁移至新条件的手段，旨在减少优化 UABS 策略所需时间。采用持续元策略搜索（CoMPS）策略，我们展示了相较于常规 RL 以及朴素迁移学习方法显著的效率提升。
引用
@article{arxiv.2207.06131,
title = {Continual Meta-Reinforcement Learning for UAV-Aided Vehicular Wireless Networks},
author = {Riccardo Marini and Sangwoo Park and Osvaldo Simeone and Chiara Buratti},
journal= {arXiv preprint arXiv:2207.06131},
year = {2022}
}
备注
submitted for conference publication