基于 HybridRAG 的 LLM 代理用于低空经济网络的低碳优化
网络与互联网体系结构
2025-06-23 v1 信号处理
摘要
低空经济网络 (LAENets) 作为一种通过集成空地基础设施来支持各种低空服务的新兴范式，正逐渐成为重要趋势。为满足低延迟和高计算需求，无人机 (UAV) 与移动边缘计算 (MEC) 系统的集成发挥着关键作用，这能够将终端设备的计算任务卸载到附近的无人机上，从而为地面用户提供灵活且具备弹性的服务。为推动 LAENets 的发展，实现低碳多无人机协作 MEC 网络至关重要。然而，多维无人机建模的复杂性以及多目标耦合优化的难度仍是阻碍其实现的挑战。为此，本文提出一种基于检索增强生成 (RAG) 的大型语言模型 (LLM) 代理框架，用于模型构建。具体而言，我们通过结合 KeywordRAG、VectorRAG 和 GraphRAG 开发 HybridRAG，使 LLM 代理能够高效地从专家数据库中检索结构信息，并生成比传统 RAG 基于 LLM 代理更准确的优化问题。随后，我们为多无人机协作 MEC 网络定制碳排放优化问题，提出一种 Double Regularization Diffusion-enhanced Soft Actor-Critic (R\textsuperscript{2}DSAC) 算法来求解所构建的多目标优化问题。该 R\textsuperscript{2}DSAC 算法融合扩散熵正则化和动作熵正则化，以提升扩散策略的性能。此外，我们动态屏蔽演员网络中不重要的神经元，以减少模型训练相关的碳排放。仿真结果表明，所提出的 HybridRAG 基于 LLM 代理框架和 R\textsuperscript{2}DSAC 算法在有效性和可靠性方面均取得佳绩。
引用
@article{arxiv.2506.15947,
title = {HybridRAG-based LLM Agents for Low-Carbon Optimization in Low-Altitude Economy Networks},
author = {Jinbo Wen and Cheng Su and Jiawen Kang and Jiangtian Nie and Yang Zhang and Jianhang Tang and Dusit Niyato and Chau Yuen},
journal= {arXiv preprint arXiv:2506.15947},
year = {2025}
}