基于大语言模型的无人机网络集成感知与通信多目标优化
信息论
2024-11-27 v2 信号处理
math.IT
摘要
本文研究了包含集成感知与通信(ISAC)系统的无人机(UAV)网络，其中多个无人机同时探测地面用户位置并为雷达提供通信服务。为在系统中寻找通信与感知(C&S)之间的权衡，我们构建了一个多目标优化问题(MOP)，以最大化网络总效用和地面用户定位Cramér-Rao下界(CRB)，联合优化无人机的部署和功率控制。灵感来源于大语言模型(LLM)在预测与推理方面的巨大潜能，我们提出一种LLM-enabled分解式多目标演化算法(LEDMA)用于解决高度非凸MOP。我们首先采用分解式方案将MOP分解为一系列优化子问题。其次将LLM作为具有特定MOP设计提示工程的黑盒搜索算子集成到MOEA框架中，用于同时解决优化子问题。数值结果表明，所提LEDMA能够找到C&S的明确权衡，并在获得的Pareto前沿和收敛性方面超越基线MOEAs。
引用
@article{arxiv.2410.05062,
title = {Large Language Model Based Multi-Objective Optimization for Integrated Sensing and Communications in UAV Networks},
author = {Haoyun Li and Ming Xiao and Kezhi Wang and Dong In Kim and Merouane Debbah},
journal= {arXiv preprint arXiv:2410.05062},
year = {2024}
}