論文の概要: Spatial Deep Learning for Site-Specific Movement Optimization of Aerial
Base Stations
- arxiv url: http://arxiv.org/abs/2312.10490v1
- Date: Sat, 16 Dec 2023 15:52:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 16:19:25.692402
- Title: Spatial Deep Learning for Site-Specific Movement Optimization of Aerial
Base Stations
- Title(参考訳): 航空基地局のサイト特化移動最適化のための空間深層学習
- Authors: Jiangbin Lyu, Xu Chen, Jiefeng Zhang, Liqun Fu
- Abstract要約: 無人航空機(UAV)は航空基地局(ABS)として利用でき、様々な緊急シナリオにおいて地上ユーザー(GU)に無線接続を提供する。
M$ と $N$ の指数複雑性を持つNPハード問題であり、カバー範囲が制限された$N$ ABSを共同配置することで、M$ GUs のカバレッジ率を最大化する。
本研究では,サイト固有の環境における移動GUの平均カバレッジ率を最大化するために,マルチABS運動最適化問題について検討する。
- 参考スコア(独自算出の注目度): 18.961427872820515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicles (UAVs) can be utilized as aerial base stations
(ABSs) to provide wireless connectivity for ground users (GUs) in various
emergency scenarios. However, it is a NP-hard problem with exponential
complexity in $M$ and $N$, in order to maximize the coverage rate of $M$ GUs by
jointly placing $N$ ABSs with limited coverage range. The problem is further
complicated when the coverage range becomes irregular due to site-specific
blockages (e.g., buildings) on the air-ground channel, and/or when the GUs are
moving. To address the above challenges, we study a multi-ABS movement
optimization problem to maximize the average coverage rate of mobile GUs in a
site-specific environment. The Spatial Deep Learning with Multi-dimensional
Archive of Phenotypic Elites (SDL-ME) algorithm is proposed to tackle this
challenging problem by 1) partitioning the complicated ABS movement problem
into ABS placement sub-problems each spanning finite time horizon; 2) using an
encoder-decoder deep neural network (DNN) as the emulator to capture the
spatial correlation of ABSs/GUs and thereby reducing the cost of interaction
with the actual environment; 3) employing the emulator to speed up a
quality-diversity search for the optimal placement solution; and 4) proposing a
planning-exploration-serving scheme for multi-ABS movement coordination.
Numerical results demonstrate that the proposed approach significantly
outperforms the benchmark Deep Reinforcement Learning (DRL)-based method and
other two baselines in terms of average coverage rate, training time and/or
sample efficiency. Moreover, with one-time training, our proposed method can be
applied in scenarios where the number of ABSs/GUs dynamically changes on site
and/or with different/varying GU speeds, which is thus more robust and flexible
compared with conventional DRL-based methods.
- Abstract(参考訳): 無人航空機(UAV)は航空基地局(ABS)として利用でき、様々な緊急シナリオにおいて地上ユーザー(GU)に無線接続を提供する。
しかし、M$とN$の指数複雑性を持つNPハード問題であり、カバー範囲が制限された$N$ ABSを共同配置することで、M$ GUsのカバレッジ率を最大化する。
この問題は、地上チャネル上のサイト固有の封鎖(例えば建物)や、GUの移動によって、範囲が不規則になるとさらに複雑になる。
以上の課題に対処するため,サイト固有の環境における移動GUの平均カバレッジ率を最大化するために,マルチABS運動最適化問題について検討する。
現象型エリート多次元アーカイブを用いた空間深層学習法(SDL-ME)を提案する。
1) 複雑なABS運動問題を有限時間水平線にまたがるABS配置サブプロブレムに分割すること。
2)エンコーダ・デコーダディープニューラルネットワーク(DNN)をエミュレータとして使用することにより,ABS/GUの空間的相関を捕捉し,実際の環境との相互作用コストを低減する。
3) エミュレータを用いて,最適な配置ソリューションの質・多様性検索を高速化する。
4)マルチABS運動協調のための計画探索型スキームの提案。
数値計算の結果,提案手法は,平均カバレッジ率,トレーニング時間,サンプル効率において,ベンチマークのDeep Reinforcement Learning(DRL)法および他の2つのベースラインよりも有意に優れていた。
また,1回トレーニングでは,従来のdrl法に比べてより頑健で柔軟である,サイト上および/または異なるgu速度で動的にabs/gus数が変化するシナリオに適用可能である。
関連論文リスト
- Learning for Cross-Layer Resource Allocation in MEC-Aided Cell-Free Networks [71.30914500714262]
移動エッジコンピューティング(MEC)を援用したセルフリーネットワーク上でのクロスレイヤリソース割り当ては、データレートを促進するために、送信およびコンピューティングリソースを十分に活用することができる。
深層学習の観点からMEC支援セルフリーネットワークのサブキャリア配置とビームフォーミング最適化について検討した。
論文 参考訳(メタデータ) (2024-12-21T10:18:55Z) - Integrated Sensing and Communications for Low-Altitude Economy: A Deep Reinforcement Learning Approach [20.36806314683902]
低高度経済(LAE)のための統合センシング・通信(ISAC)システムについて検討する。
所定の飛行期間における通信総和レートは、GBSとUAVの軌道でのビームフォーミングを共同最適化することにより最大化する。
本稿では, 深部強化学習(DRL)技術を活用して, 深部LAE-ISAC(Deep LAE-ISAC)と呼ばれる新しいLEE指向ISAC方式を提案する。
論文 参考訳(メタデータ) (2024-12-05T11:12:46Z) - A Graph-based Adversarial Imitation Learning Framework for Reliable & Realtime Fleet Scheduling in Urban Air Mobility [5.19664437943693]
本稿では,艦隊スケジューリング問題の包括的最適化について述べる。
また、代替ソリューションのアプローチの必要性も認識している。
新しい模倣アプローチは、目に見えない最悪のシナリオにおいて、パフォーマンスと顕著な改善を実現する。
論文 参考訳(メタデータ) (2024-07-16T18:51:24Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳(メタデータ) (2024-02-05T12:36:08Z) - 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) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳(メタデータ) (2022-01-13T15:20:45Z) - Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets
Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。
モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文 参考訳(メタデータ) (2021-06-03T08:35:10Z) - Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement
Learning [1.2330326247154968]
無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。
本論文では,複数のセルコネクテッドUAVの衝突のない経路を探索する。
本稿では,オンライン信号対干渉+雑音比マッピングを用いたオフライン時間差学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-04-09T16:52:33Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳(メタデータ) (2020-12-06T01:30:12Z) - Multi-UAV Path Planning for Wireless Data Harvesting with Deep
Reinforcement Learning [18.266087952180733]
本稿では,データ収集ミッションを定義するシナリオパラメータの深い変化に適応できるマルチエージェント強化学習(MARL)手法を提案する。
提案するネットワークアーキテクチャにより,データ収集タスクを慎重に分割することで,エージェントが効果的に協調できることを示す。
論文 参考訳(メタデータ) (2020-10-23T14:59:30Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳(メタデータ) (2020-01-22T08:51:05Z)
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。