基于多智能体深度强化学习的多无人机辅助移动边缘计算轨迹规划
信号处理
2020-09-24 v1 机器学习
摘要
本文提出了一种无人机辅助的移动边缘计算（MEC）框架，其中若干具有不同轨迹的无人机飞越目标区域并为地面上的用户设备（UEs）提供支持。我们的目标是联合优化所有UE之间的地理公平性、每架无人机UE负载的公平性以及UE的总体能耗。上述优化问题同时包含整数与连续变量，难以求解。为解决该问题，提出了一种基于多智能体深度强化学习的轨迹控制算法，用于独立管理每架无人机的轨迹，其中采用了流行的多智能体深度确定性策略梯度（MADDPG）方法。在给定无人机轨迹的条件下，引入了一种低复杂度方法来优化UE的卸载决策。我们表明，所提出的方案在其他传统算法之外，在服务于UE的公平性、每架无人机UE负载的公平性以及所有UE的能耗方面均具有可观的性能。
引用
@article{arxiv.2009.11277,
title = {Multi-Agent Deep Reinforcement Learning Based Trajectory Planning for Multi-UAV Assisted Mobile Edge Computing},
author = {Liang Wang and Kezhi Wang and Cunhua Pan and Wei Xu and Nauman Aslam and Lajos Hanzo},
journal= {arXiv preprint arXiv:2009.11277},
year = {2020}
}
备注
Accepted by IEEE Transactions on Cognitive Communications and Networking