基于量子驱动的低空网络无人机轨迹优化状态压缩
系统与控制
2025-10-22 v1 系统与控制
摘要
本文提出一种基于图-量子-启发式放置（GC-QAP）框架，用于无人机辅助低空无线网络的可靠性导向轨迹优化。稠密的路径图通过概率量子退火进行压缩，以保留干扰感知的质心，同时压缩控制状态空间并保持链路质量。问题转化为基于优先级的马尔可夫决策过程，通过 epsilon-贪婪离线 Q 学习求解，考虑无人机的运动学约束与飞行走廊限制。与复杂的连续动作强化学习方法不同，GC-QAP 能够实现稳定收敛并产生低故障率，同时计算成本显著低于基准方案。
引用
@article{arxiv.2510.17861,
title = {Quantum-Driven State-Reduction for Reliable UAV Trajectory Optimization in Low-Altitude Networks},
author = {Zeeshan Kaleem and Muhammad Afaq and Chau Yuen and Octavia A. Dobre and John M. Cioffi},
journal= {arXiv preprint arXiv:2510.17861},
year = {2025}
}