无人机载无线网络中智能轨迹规划：量子启发强化学习的视角
信号处理
2021-03-04 v2 系统与控制
系统与控制
摘要
本文考虑一种无线上行传输场景，其中无人机（UAV）作为空中基站从地面用户收集数据。为在没有任何地面用户先验知识（如位置、信道状态信息和发射功率）的情况下优化期望总上行传输速率，通过量子启发强化学习（QiRL）方法优化轨迹规划问题。具体而言，QiRL 方法采用了新颖的概率动作选择策略与新的强化策略，分别受量子计算理论中的坍缩现象与振幅放大所启发。数值结果表明，与传统高度依赖调优探索参数的强化学习方法相比，所提 QiRL 方案可通过对可能动作的坍缩概率排序，在自然平衡探索与利用之间取得权衡。
引用
@article{arxiv.2007.13418,
title = {Intelligent Trajectory Planning in UAV-mounted Wireless Networks: A Quantum-Inspired Reinforcement Learning Perspective},
author = {Yuanjian Li and A. Hamid Aghvami and Daoyi Dong},
journal= {arXiv preprint arXiv:2007.13418},
year = {2021}
}
备注
Double-column 6-page paper