基于强化学习的蜂窝连接无人机路径设计
网络与互联网体系结构
2019-05-10 v1 机器学习
信号处理
摘要
本文研究蜂窝连接无人机（UAV）的路径设计问题，旨在最小化其任务完成时间，同时与蜂窝网络保持良好的连接。我们首先指出，通过建模和求解优化问题的传统路径设计方法面临若干实际挑战，随后提出一种基于强化学习的新型无人机路径设计算法，通过应用时序差分（temporal-difference）方法直接学习相应马尔可夫决策过程的态值函数（state-value function）。所提算法进一步通过使用带瓦片编码（tile coding）的线性函数近似进行扩展，以处理大状态空间。所提算法仅需原始测量或仿真生成的信号强度作为输入，并适用于在线与离线实现。数值结果表明，即使在复杂城市环境中，所提路径设计也能成功避开蜂窝网络的覆盖空洞。
引用
@article{arxiv.1905.03440,
title = {Path Design for Cellular-Connected UAV with Reinforcement Learning},
author = {Yong Zeng and Xiaoli Xu},
journal= {arXiv preprint arXiv:1905.03440},
year = {2019}
}
备注
submitted for conference publications