基于可泛化深度强化学习方法论的流量感知无人机部署
网络与互联网体系结构
2023-02-23 v1
摘要
作为飞行接入点（FAPs）的无人机（UAVs）正被用于极端场景下提供按需无线连接。尽管研究持续进行，根据用户动态流量需求优化无人机位置仍具挑战性。我们提出流量感知无人机部署算法（TUPA），该算法根据用户流量需求部署作为FAP的无人机，以最大化网络效用。采用DRL方法使FAP能够自主学习并适应网络场景的动态条件与需求。此外，所提出的DRL方法论使TUPA能将训练期间获得的知识泛化至未知的用户位置与流量需求组合，无需额外训练。TUPA使用网络模拟器ns-3与ns3-gym框架进行训练与评估。结果表明，与基线方案相比，TUPA提升了网络效用，在异构流量需求场景中平均网络效用最高提升至4倍。
引用
@article{arxiv.2203.08924,
title = {Traffic-Aware UAV Placement Using a Generalizable Deep Reinforcement Learning Methodology},
author = {Eduardo Nuno Almeida and Rui Campos and Manuel Ricardo},
journal= {arXiv preprint arXiv:2203.08924},
year = {2023}
}