面向低空经济的 Lyapunov 稳定性感知 Stackelberg 博弈：一种基于控制导向剪枝的 DRL 方法
人工智能
2026-02-03 v1
摘要
随着低空经济的快速发展，无人机（UAV）作为关键空中基站，正在支撑从延迟敏感的关键任务到带宽密集型数据流媒体等多样化服务。然而，这些异构网络的效能常被受限的 onboard 资源与严格的稳定性要求所冲突所影响。超越传统的吞吐量导向设计，我们提出了感知-通信-计算-控制 闭环框架，显式建模了通信延迟对物理控制稳定性的影响。为保证任务可靠性，我们利用 Lyapunov 稳定性理论推导了控制系统状态演化与通信约束之间的内在映射，将抽象的稳定性要求转化为可量化的资源边界。随后，我们将资源分配问题建模为 Stackelberg 博弈，其中 UAV（作为领袖）动态定价资源以平衡负载并确保稳定性，而用户（作为跟随者）根据服务紧急程度优化请求。进一步地，针对能源受限的边缘平台上标准深度强化学习（DRL）的计算开销，我们提出一种新型轻量级剪枝化的近端策略优化（PPO）算法。通过集成动态结构化剪枝机制，所提算法在训练期间显著压缩神经网络规模，使 UAV 能以最小的推理延迟快速逼近博弈均衡。仿真结果表明，所提方案有效确保控制回路稳定，同时在动态低空环境中最大化系统效用。
引用
@article{arxiv.2602.01131,
title = {Lyapunov Stability-Aware Stackelberg Game for Low-Altitude Economy: A Control-Oriented Pruning-Based DRL Approach},
author = {Yue Zhong and Jiawen Kang and Yongju Tong and Hong-Ning Dai and Dong In Kim and Abbas Jamalipour and Shengli Xie},
journal= {arXiv preprint arXiv:2602.01131},
year = {2026}
}