基于序列模型强化学习的无人机辅助物联网网络中簇头选择与轨迹联合规划
系统与控制
2021-12-02 v1 机器学习
系统与控制
摘要
使用无人机（UAV）进行数据收集在物联网（IoT）网络中已引起越来越多的关注，并成为最先进的技术。本文以最小化无人机-物联网系统总能耗为目标，将无人机轨迹设计与物联网网络中簇头选择联合设计问题建模为一个约束组合优化问题，该问题属于NP难问题且难以求解。我们提出了一种带有序列模型策略的新型深度强化学习（DRL）方法，该方法能够以无监督方式有效学习由序列到序列神经网络表示的策略，用于无人机轨迹设计。通过大量仿真，所得结果表明，与其他基线算法相比，所提出的DRL方法能够找到能耗低得多的无人机轨迹，并达到接近最优的性能。此外，仿真结果表明，我们所提DRL算法训练得到的模型对更大规模的问题具有优异的泛化能力，且无需重新训练模型。
引用
@article{arxiv.2112.00333,
title = {Joint Cluster Head Selection and Trajectory Planning in UAV-Aided IoT Networks by Reinforcement Learning with Sequential Model},
author = {Botao Zhu and Ebrahim Bedeer and Ha H. Nguyen and Robert Barton and Jerome Henry},
journal= {arXiv preprint arXiv:2112.00333},
year = {2021}
}
备注
This paper has been accepted in IEEE IoT-J