基于 Double Q-Learning 的无人机基站能量与服务优先级感知轨迹设计
网络与互联网体系结构
2020-10-27 v1 人工智能
摘要
下一代移动网络已提出将无人机（UAV）作为空中基站（UAV-BS）来服务地面节点。尽管使用 UAV-BS 有诸多优势，但其对机载有限容量电池的依赖阻碍了服务的连续性。较短的轨迹可节省飞行能量，然而 UAV-BS 还必须根据节点的服务优先级来服务节点，因为节点的服务需求并非总是相同。在本文中，我们针对 UAV 辅助的 IoT 系统提出一种节能轨迹优化方法，其中 UAV-BS 在做出移动决策时考虑 IoT 节点的服务优先级。我们使用 Double Q-Learning 算法求解轨迹优化问题。仿真结果表明，基于 Q-Learning 的优化轨迹在降低 UAV-BS 平均能耗以及高优先级节点的服务延迟方面优于一种基准算法，即贪婪服务算法（Greedily-served algorithm）。
引用
@article{arxiv.2010.13346,
title = {Energy and Service-priority aware Trajectory Design for UAV-BSs using Double Q-Learning},
author = {Sayed Amir Hoseini and Ayub Bokani and Jahan Hassan and Shavbo Salehi and Salil S. Kanhere},
journal= {arXiv preprint arXiv:2010.13346},
year = {2020}
}