基于多智能体图强化学习的多无人机辅助物联网网络按需无线能量传输
信息论
2023-07-28 v1 math.IT
摘要
本文提出了一种多无人机(UAV)按需无线能量传输(WET)新方案。不同于现有研究仅简单追求物联网(IoT)设备处总采集能量或最小采集能量最大化而极少考虑设备自身能量需求，我们提出一种称为能量饥饿水平(HoE)的新度量，其基于各IoT设备所需能量与从UAV采集能量之间的能量缺口来反映其时变能量需求。为最小化未满足能量需求的IoT设备总体HoE，我们在UAV实际移动与能量约束下优化确定所有UAV随时间变化的轨迹与WET决策。尽管所提问题求解复杂度高，通过挖掘UAV对其协同WET的自注意力，我们提出基于多智能体图强化学习(MAGRL)的方法。通过对MAGRL模型的离线训练，其中中央控制器的全局训练引导各UAV智能体的本地训练，各UAV随后基于训练良好的本地神经网络分布式确定其轨迹与WET。仿真结果表明，所提基于MAGRL的方法在满足IoT设备能量需求方面优于多种基准。
引用
@article{arxiv.2307.14626,
title = {Multi-Agent Graph Reinforcement Learning based On-Demand Wireless Energy Transfer in Multi-UAV-aided IoT Network},
author = {Ze Yu Zhao and Yueling Che and Sheng Luo and Kaishun Wu and Victor C. M. Leung},
journal= {arXiv preprint arXiv:2307.14626},
year = {2023}
}
备注
This paper is accepted by the 21th International Symposium on Modeling and Optimization in Mobile, Ad hoc, and Wireless Networks (WiOpt 2023). 8 pages, 8 figures, conference