高动态大规模无人机网络的联合覆盖与功率控制：一种聚合博弈学习方法
系统与控制
2024-04-16 v3 系统与控制
摘要
无人机自组织网络是台风、地震等自然灾害后通信的重要应急方案。为实现高效快速的网络部署，我们采用非合作博弈论与改进的二元对数线性算法（BLLA）寻求纳什均衡，以实现最优网络性能。我们不仅考虑信道重叠与功率控制，还考虑覆盖与干扰的复杂性。然而，大量无人机博弈论模型表明其在需大规模无人机网络部署的灾后场景中存在局限。此外，高动态的灾后场景导致无人机自组织网络上的策略更新受限与策略决策错误。为处理这些问题，我们采用能够刻画并覆盖这些特征的聚合博弈。进而，我们提出一种新颖的同步基于收益的二元对数线性学习算法（SPBLLA）以减少信息交换并降低时间消耗。最终，实验表明在相同策略决策错误率下，SPBLLA 的学习速率明显快于改进版 BLLA。因此，新模型与算法更适用于且有前景用于大规模高动态场景。
引用
@article{arxiv.1907.08363,
title = {Joint Coverage and Power Control in Highly Dynamic and Massive UAV Networks: An Aggregative Game-theoretic Learning Approach},
author = {Zhuoying Li and Pan Zhou and Yanru Zhang and Lin Gao},
journal= {arXiv preprint arXiv:1907.08363},
year = {2024}
}