Optimization of Link Configuration for Satellite Communication Using Reinforcement Learning
人工智能
2025-09-03 v2
摘要
卫星通信是我们现代互联世界中的关键技术。随着日益复杂的硬件，一个挑战是高效地配置卫星转发器上的链路（连接）。规划最佳链路配置极其复杂，取决于许多参数和指标。有效利用转发器的有限资源、带宽和功率至关重要。这种优化问题可以近似地使用如模拟退火等元启发式方法，但最近的研究结果也表明，强化学习可以在优化方法方面实现相当甚至更好的性能。然而，目前尚无针对卫星转发器链路配置的研究。在本工作中，我们作为部分开发了一个转发器环境。对于该环境，我们将强化学习算法PPO的性能与元启发式模拟退火进行了比较。结果表明，对于这个静态问题，模拟退火比PPO算法提供了更好的结果，但研究反过来也强调了强化学习在优化问题中的潜力。
引用
@article{arxiv.2501.08220,
title = {Optimization of Link Configuration for Satellite Communication Using Reinforcement Learning},
author = {Tobias Rohe and Michael Kölle and Jan Matheis and Rüdiger Höpfl and Leo Sünkel and Claudia Linnhoff-Popien},
journal= {arXiv preprint arXiv:2501.08220},
year = {2025}
}