論文の概要: Energy-Efficient UAV-Assisted IoT Data Collection via TSP-Based Solution Space Reduction

• arxiv url: http://arxiv.org/abs/2306.01355v1
• Date: Fri, 2 Jun 2023 08:27:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 16:15:23.379575
• Title: Energy-Efficient UAV-Assisted IoT Data Collection via TSP-Based Solution Space Reduction
• Title（参考訳）: TSPによるソリューション空間削減によるエネルギー効率のよいUAV支援IoTデータ収集
• Authors: Sivaram Krishnan, Mahyar Nemati, Seng W. Loke, Jihong Park, and Jinho Choi
• Abstract要約: 本稿では、無人航空機(UAV)を用いて、大規模に展開された分散IoTセンサからデータを効率よく収集するフレームワークを提案する。 我々のアプローチは、UAVの飛行経路を最適化するために、センサーの非ゼロ通信範囲を考慮している。 低複雑さUAV支援センサデータ収集アルゴリズムを開発し,その有効性を事例として示す。
• 参考スコア（独自算出の注目度）: 40.39500940065015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a wireless data collection framework that employs an unmanned aerial vehicle (UAV) to efficiently gather data from distributed IoT sensors deployed in a large area. Our approach takes into account the non-zero communication ranges of the sensors to optimize the flight path of the UAV, resulting in a variation of the Traveling Salesman Problem (TSP). We prove mathematically that the optimal waypoints for this TSP-variant problem are restricted to the boundaries of the sensor communication ranges, greatly reducing the solution space. Building on this finding, we develop a low-complexity UAV-assisted sensor data collection algorithm, and demonstrate its effectiveness in a selected use case where we minimize the total energy consumption of the UAV and sensors by jointly optimizing the UAV's travel distance and the sensors' communication ranges.
• Abstract（参考訳）: 本稿では、無人航空機(UAV)を用いて、大規模に展開された分散IoTセンサから効率的にデータを収集する無線データ収集フレームワークを提案する。 提案手法では,UAVの飛行経路を最適化するために,センサの非ゼロ通信範囲を考慮し,トラベリングセールスマン問題(TSP)の変動をもたらす。 我々は,このTSP不変問題に対する最適経路がセンサ通信範囲の境界に制限されていることを数学的に証明し,解空間を大幅に削減する。 この結果をもとに,UAVの移動距離とセンサの通信範囲を最適化することにより,UAVとセンサの総エネルギー消費を最小化する,低複雑さなUAV支援センサデータ収集アルゴリズムを開発し,その有効性を示した。

関連論文リスト

• Movable Antenna-Equipped UAV for Data Collection in Backscatter Sensor Networks: A Deep Reinforcement Learning-based Approach [10.115361454176773]
  無人航空機(UAV)は遠隔後方散乱装置(BD)からの柔軟なデータ収集を可能にする 指向性と柔軟性の高い指向性移動アンテナ(MA)をUAVに搭載することを検討する。 我々は,UAVと各BD間の方位角と距離を用いた深部強化学習(DRL)に基づく戦略を開発し,エージェントの観測空間を簡素化する。
  論文  参考訳（メタデータ） (2024-11-21T09:34:48Z)
• Optimizing Fault-Tolerant Quality-Guaranteed Sensor Deployments for UAV Localization in Critical Areas via Computational Geometry [0.6445605125467574]
  小型の無人航空機(UAV)は、空港、発電所、政府や軍事施設などの重要な地域に深刻な脅威をもたらす。 本稿では,UAVローカライゼーションのための三角センサの展開を計算し,複数のセンサ品質レベルのカバレッジ,コスト効率,耐故障性などの指標を最適化する。 我々は,2つの大きな3D臨界領域,ローマレオナルド・ダ・ヴィンチ国際空港(FCO)とウィーン国際空港(VIC)におけるUAVローカライゼーションのための最適なセンサ配置を計算し,我々のアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-12-05T17:58:22Z)
• UAV Swarm-enabled Collaborative Secure Relay Communications with Time-domain Colluding Eavesdropper [115.56455278813756]
  航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。 本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
  論文  参考訳（メタデータ） (2023-10-03T11:47:01Z)
• Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual Antenna Arrays [55.736718475856726]
  無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である 既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。 協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
  論文  参考訳（メタデータ） (2023-08-03T02:49:50Z)
• Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
  フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。 無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
  論文  参考訳（メタデータ） (2023-06-05T16:01:33Z)
• Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted IoT Data Collection System [25.32139119893323]
  無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。 UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。 本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
  論文  参考訳（メタデータ） (2022-10-27T06:27:40Z)
• UAV Trajectory Planning in Wireless Sensor Networks for Energy Consumption Minimization by Deep Reinforcement Learning [4.273341750394231]
  無線センサネットワーク(WSN)のデータ収集のための有望なソリューションとして無人航空機(UAV)が登場している。 データ収集の全ラウンドでUAV-WSNシステムの総エネルギー消費を最小化することを目的としている。 本稿では,UAVトラジェクトリポリシの経験から効率よく学習できる新しいディープ強化学習手法,ポインタネットワークA*(Ptr-A*)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T03:02:11Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。