无人机辅助空天地一体化网络:近期学习算法技术综述
系统与控制
2024-07-18 v2 机器学习
网络与互联网体系结构
系统与控制
摘要
近期空间、空中和地面组件的技术进步使得一种称为空天地一体化网络(SAGIN)的新网络范式成为可能。无人机(UAVs)在 SAGIN 中扮演关键角色。然而,由于无人机的高动态性与复杂性, SAGIN 的实际部署成为实现此类网络的重要障碍。无人机需在机动性与资源有限的情况下,与空间和地面组件一起满足关键性能要求。因此,在不同使用场景中部署无人机需要算法层面精心设计的规划。本文对无人机辅助 SAGIN 中近期学习算法进行了必要的综述与分析。我们考虑了可能的奖励函数,并讨论了用于优化奖励函数的最先进算法,包括 Q-learning、深度 Q-learning、多臂老虎机、粒子群优化和基于满意度的学习算法。与其他综述论文不同,我们聚焦于优化问题的方法论视角,可适用于 SAGIN 上的各类任务。我们考虑实际配置以及反映部署案例的二维(2D)和三维(3D)无人机轨迹。我们的仿真表明,3D 基于满意度的学习算法在大多数情况下优于其他方法。文末讨论了开放挑战,旨在为无人机辅助 SAGIN 的设计与部署提供指导。
引用
@article{arxiv.2211.14931,
title = {UAV-Assisted Space-Air-Ground Integrated Networks: A Technical Review of Recent Learning Algorithms},
author = {Atefeh H. Arani and Peng Hu and Yeying Zhu},
journal= {arXiv preprint arXiv:2211.14931},
year = {2024}
}
备注
Accepted by the IEEE Open Journal of Vehicular Technology in July 2024