基于无人机的蜂窝网络中三维用户优化轨迹设计：一种双重 Q-learning 方法
信息论
2019-02-21 v2 math.IT
摘要
本文研究了在基于无人机的蜂窝网络中，以最大化满意用户数为目标的无人机轨迹设计问题，其中无人机作为飞行基站为用户服务，用户以其数据请求在允许的最大等待时间内完成为标准表明其满意度。轨迹设计被表述为一个以最大化满意用户数为目标的优化问题。为解决该问题，提出了一种基于双重 Q-learning 算法的机器学习框架。该算法使无人机能够找到最大化满意用户数的最优轨迹。与传统的如 Q-learning 使用同一 Q 表选择和评估动作的学习算法相比，所提算法能将选择与评价解耦，从而避免导致次优策略的高估问题。仿真结果表明，与随机算法和 Q-learning 算法相比，所提算法在满意用户数方面分别可获得高达 19.4% 和 14.1% 的提升。
引用
@article{arxiv.1902.06610,
title = {Optimized Trajectory Design in UAV Based Cellular Networks for 3D Users: A Double Q-Learning Approach},
author = {Xuanlin Liu and Mingzhe Chen and Changchuan Yin},
journal= {arXiv preprint arXiv:1902.06610},
year = {2019}
}
备注
This paper has been accepted by Journal of Communications and Information Networks, February 1, 2019