基于深度强化学习的无人机载移动边缘计算路径规划
信息论
2020-01-29 v1 信号处理
math.IT
摘要
在本文中，我们研究了一种无人机（UAV）载移动边缘计算网络，其中UAV执行来自移动终端用户（TU）卸载的计算任务，且每个TU的运动遵循Gauss-Markov随机模型。为保障各TU的服务质量（QoS），能量受限的UAV根据移动TU的位置动态规划其轨迹。为此，我们将该问题建模为马尔可夫决策过程，其中UAV轨迹与UAV-TU关联被建模为待优化参数。为最大化系统奖励并满足QoS约束，我们在所提基于双深度Q网络（double deep Q-network）的算法中开发了基于QoS的动作选择策略。仿真表明，所提算法比传统算法收敛更快，并实现了更高的总和吞吐量。
引用
@article{arxiv.2001.10268,
title = {Path Planning for UAV-Mounted Mobile Edge Computing with Deep Reinforcement Learning},
author = {Q. Liu and L. Shi and L. Sun and J. Li and M. Ding and F. Shu},
journal= {arXiv preprint arXiv:2001.10268},
year = {2020}
}
备注
Accepted with minor revisions by IEEE TVT