基于 Q-Learning 的飞行能源轨迹优化以补给热点无人机
网络与互联网体系结构
2020-10-27 v1 信号处理
摘要
尽管无人机或无人机配送服务的商业应用日益普及，但其对有限容量机载电池的依赖限制了飞行时间与任务连续性。因此，开发用于补充无人机电池的就地能量传输方案有望延长其任务持续时间。本文研究一种场景：无人机作为基站（UAV-BS）为地面节点提供无线热点服务，同时从飞行能源源采集无线能量。这些能源源为专用无人机（充电器或发射无人机，tUAVs），配备射频天线等无线能量发射装置。tUAVs 可灵活调整飞行路径以最大化能量传输。随着 UAV-BS 数量增加与环境复杂度上升，有必要为 tUAVs 开发智能轨迹选择流程以优化能量传输增益。本文将 tUAVs 的轨迹优化建模为马尔可夫决策过程（MDP）问题，并使用 Q-Learning 算法求解。仿真结果证实，基于 Q-Learning 的 tUAVs 优化轨迹优于随机路径规划与静态悬停两种基准策略。
引用
@article{arxiv.2003.12258,
title = {Trajectory Optimization of Flying Energy Sources using Q-Learning to Recharge Hotspot UAVs},
author = {Sayed Amir Hoseini and Jahan Hassan and Ayub Bokani and Salil S. Kanhere},
journal= {arXiv preprint arXiv:2003.12258},
year = {2020}
}