灾后搜救中基于强化学习的无人机基站轨迹优化
机器学习
2022-02-22 v1
摘要
由于灾害，地面基站（TBS）会部分损毁，部分用户设备（UE）将无法被服务。部署无人机（UAV）作为空中基站是一种快速覆盖 UE 的方法。但现有方法仅考虑无人机的覆盖，在这些场景中，它们关注于所有 TBS 均已失效的灾后区域中无人机的部署，关于可用 TBS 与无人机结合的研究十分有限。我们提出将无人机与可用 TBS 协作部署为空中基站的方法，并通过强化学习改善覆盖。此外，在实验中，我们首先使用基于层次结构的平衡迭代归约与聚类（BIRCH）对 UE 进行聚类，最终通过 Q-learning 实现基站对 UE 的更优覆盖。
引用
@article{arxiv.2202.10338,
title = {UAV Base Station Trajectory Optimization Based on Reinforcement Learning in Post-disaster Search and Rescue Operations},
author = {Shiye Zhao and Kaoru Ota and Mianxiong Dong},
journal= {arXiv preprint arXiv:2202.10338},
year = {2022}
}