論文の概要: Cooperative Multi-Type Multi-Agent Deep Reinforcement Learning for
Resource Management in Space-Air-Ground Integrated Networks
- arxiv url: http://arxiv.org/abs/2308.03995v1
- Date: Tue, 8 Aug 2023 02:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 14:25:59.189005
- Title: Cooperative Multi-Type Multi-Agent Deep Reinforcement Learning for
Resource Management in Space-Air-Ground Integrated Networks
- Title（参考訳）: 宇宙空間統合ネットワークにおける資源管理のための協調型マルチエージェント深層強化学習
- Authors: Hengxi Zhang, Huaze Tang, Wenbo Ding, Xiao-Ping Zhang
- Abstract要約: 我々は,5つの異なる通信リンクを含む総合的なSAGINシステムを開発した。
本稿では,資源管理問題に対処するため,効率的な協調型マルチエージェント深層強化学習法を提案する。
- 参考スコア（独自算出の注目度）: 10.351443157142295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Space-Air-Ground Integrated Network (SAGIN), integrating heterogeneous
devices including low earth orbit (LEO) satellites, unmanned aerial vehicles
(UAVs), and ground users (GUs), holds significant promise for advancing smart
city applications. However, resource management of the SAGIN is a challenge
requiring urgent study in that inappropriate resource management will cause
poor data transmission, and hence affect the services in smart cities. In this
paper, we develop a comprehensive SAGIN system that encompasses five distinct
communication links and propose an efficient cooperative multi-type multi-agent
deep reinforcement learning (CMT-MARL) method to address the resource
management issue. The experimental results highlight the efficacy of the
proposed CMT-MARL, as evidenced by key performance indicators such as the
overall transmission rate and transmission success rate. These results
underscore the potential value and feasibility of future implementation of the
SAGIN.
- Abstract（参考訳）: sagin(space-air-ground integrated network)は、低軌道(leo)衛星、無人航空機(uavs)、地上ユーザー(gus)を含む異種デバイスを統合することで、スマートシティの応用を前進させることを約束している。
しかし、SAGINの資源管理は、不適切な資源管理がデータ伝達の貧弱を招き、スマートシティのサービスに影響を及ぼすという緊急の研究を必要とする課題である。
本稿では,5つの異なる通信リンクを含む総合的なSAGINシステムを開発し,資源管理問題に対処する効率的な協調型マルチエージェント深層強化学習(CMT-MARL)手法を提案する。
実験結果は,提案するcmt-marlの有効性を強調するものである。
これらの結果は、将来のSAGINの実装の可能性と実現可能性を示している。
関連論文リスト
- Tera-SpaceCom: GNN-based Deep Reinforcement Learning for Joint Resource Allocation and Task Offloading in TeraHertz Band Space Networks [11.881917133887102]
Tera-SpaceComは、様々な宇宙科学および通信アプリケーションを実現するための有望な技術として構想されている。
グラフニューラルネットワーク(GNN)を用いた深層強化学習(DRL)に基づく共同資源割り当てとタスクオフロードアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-09-12T10:26:17Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳（メタデータ） (2024-08-29T06:57:45Z) - RHFedMTL: Resource-Aware Hierarchical Federated Multi-Task Learning [11.329273673732217]
フェデレーション学習は、セキュリティを備えた大規模な分散ノード上でAIを可能にする効果的な方法である。
複数の基地局(BS)と端末をまたいだマルチタスク学習を維持しながら、プライバシを確保することは困難である。
本稿では, セルラーワークの自然雲-BS-末端階層に着想を得て, 資源を考慮した階層型MTL (RHFedMTL) ソリューションを提案する。
論文 参考訳（メタデータ） (2023-06-01T13:49:55Z) - Hierarchical Multi-Agent Multi-Armed Bandit for Resource Allocation in
Multi-LEO Satellite Constellation Networks [14.964082610286857]
ローアース軌道(LEO)衛星コンステレーションは、高度のサービスで地球規模のカバーエリアを提供することができる。
我々は、利用可能な無線リソースを適切に割り当てることにより、LEOコンステレーション(mmRAL)の階層的マルチエージェントマルチアーム帯域割り当てを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:22:07Z) - Space-Air-Ground Integrated Multi-domain Network Resource Orchestration
based on Virtual Network Architecture: a DRL Method [15.019721463896468]
宇宙空間統合ネットワーク(SAGIN)は、産業における研究の焦点となっている。
SAGINのデプロイと使用は依然として大きな課題に直面しており、その中では異種リソースのオーケストレーションが重要な問題である。
仮想ネットワークアーキテクチャと深部強化学習(DRL)に基づいて,SAGINクロスドメインVNEアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-02-03T02:57:20Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Deep Learning Aided Routing for Space-Air-Ground Integrated Networks
Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。
大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。
低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:12:10Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。
さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
論文 参考訳（メタデータ） (2021-01-25T13:01:16Z) - A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From
Communications to Sensing and Intelligence [152.89360859658296]
5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。
一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。
一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
論文 参考訳（メタデータ） (2020-10-19T08:56:04Z)
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。