論文の概要: Hetero-Net: An Energy-Efficient Resource Allocation and 3D Placement in Heterogeneous LoRa Networks via Multi-Agent Optimization

• arxiv url: http://arxiv.org/abs/2603.20404v1
• Date: Fri, 20 Mar 2026 18:25:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.892487
• Title: Hetero-Net: An Energy-Efficient Resource Allocation and 3D Placement in Heterogeneous LoRa Networks via Multi-Agent Optimization
• Title（参考訳）: ヘテロネット:マルチエージェント最適化によるヘテロジニアスLoRaネットワークにおけるエネルギー効率の良い資源配置と3次元配置
• Authors: Abdullahi Isa Ahmed, Ana Maria Drăgulinescu, El Mehdi Amhoud,
• Abstract要約: Hetero-Netは、多様なLoRaエンドデバイスと無人航空機(UAV)搭載のLoRaゲートウェイを統合するフレームワークである。 A blation study that our proposed MAPPO Hetero-Net significantlyforms traditional, isolated network design。
• 参考スコア（独自算出の注目度）: 1.9728521995447947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The evolution of Internet of Things (IoT) into multi-layered environments has positioned Low-Power Wide Area Networks (LPWANs), particularly Long Range (LoRa), as the backbone for connectivity across both surface and subterranean landscapes. However, existing LoRa-based network designs often treat ground-based wireless sensor networks (WSNs) and wireless underground sensor networks (WUSNs) as separate systems, resulting in inefficient and non-integrated connectivity across diverse environments. To address this, we propose Hetero-Net, a unified heterogeneous LoRa framework that integrates diverse LoRa end devices with multiple unmanned aerial vehicle (UAV)-mounted LoRa gateways. Our objective is to maximize system energy efficiency through the joint optimization of the spreading factor, transmission power, and three-dimensional (3D) placement of the UAVs. To manage the dynamic and partially observable nature of this system, we model the problem as a partially observable stochastic game (POSG) and address it using a multi-agent proximal policy optimization (MAPPO) framework. An ablation study shows that our proposed MAPPO Hetero-Net significantly outperforms traditional, isolated network designs, achieving energy efficiency improvements of 55.81\% and 198.49\% over isolated WSN-only and WUSN-only deployments, respectively.
• Abstract（参考訳）: IoT(Internet of Things)の多層環境への進化は、低電力広域ネットワーク(LPWAN)、特にLong Range(LoRa)を、地表と地下の両方の風景をまたいで接続するためのバックボーンとして位置づけている。 しかし、既存のLoRaベースのネットワーク設計では、地上の無線センサネットワーク(WSN)と無線の地下センサーネットワーク(WUSN)を別々のシステムとして扱うことが多く、様々な環境において非効率で非統合的な接続をもたらす。 そこで我々は,複数の無人航空機(UAV)搭載のLoRaゲートウェイと多様なLoRaエンドデバイスを統合したヘテロネット(Hetero-Net)を提案する。 本研究の目的は,UAVの拡散係数,伝送電力,3次元配置の連成最適化によるシステムエネルギー効率の最大化である。 このシステムの動的かつ部分的に観測可能な性質を管理するため,この問題を部分的に観測可能な確率ゲーム(POSG)としてモデル化し,MAPPO(Multi-agent proximal Policy Optimization)フレームワークを用いて対処する。 Ablation studyによると、MAPPO Hetero-Netは従来の孤立ネットワーク設計よりも優れており、それぞれ独立WSNのみのデプロイメントとWUSNのみのデプロイメントに対して、55.81\%と198.49\%のエネルギー効率向上を実現している。

関連論文リスト

• Online Learning Based Efficient Resource Allocation for LoRaWAN Network [23.183952975438633]
  大規模LoRaWANネットワークは、Packet Delivery Ratio(PDR)やEnergy Efficiency(EE)といった競合メトリクスを最適化する必要がある。 既存の手法はしばしばこの課題を単純化し、単一のメトリクスにフォーカスするか、動的チャネル環境に必要な適応性に欠ける。 PDR-EEトレードオフをインテリジェントにナビゲートするオンライン学習ベースのリソース割り当てフレームワークを2つ提案する。
  論文  参考訳（メタデータ） (2025-08-31T12:36:33Z)
• Decentralized Rank Scheduling for Energy-Constrained Multi-Task Federated Fine-Tuning in Edge-Assisted IoV Networks [5.034703123469061]
  インターネット・オブ・ビークルズ(IoV)システムでは、クライアントの移動性、異種資源、断続接続性のために、効率的な低遅延マルチタスク適応を実現することが困難である。 本稿では,道路側ユニット(RSU)と車両を協調し,動的IoVシナリオをまたいだ資源認識および移動性学習を支援する階層的なファインチューニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-13T06:29:00Z)
• A Multi-Armed Bandit Framework for Online Optimisation in Green Integrated Terrestrial and Non-Terrestrial Networks [5.6405054075554055]
  統合地球・非地球ネットワーク(TN-NTN)アーキテクチャは、ネットワークのカバレッジの拡大と容量向上のための有望なソリューションを提供する。 マルチアームバンディット(MAB)の定式化とBandit-feedback Constrained Online Mirror Descent(BCOMD)アルゴリズムを利用した,TN-NTNアーキテクチャ統合のための新しいオンラインフレームワークを提案する。 提案手法は,ネットワーク容量とエネルギー効率のバランスをとるために,帯域幅割り当て,ユーザ機器アソシエーション(UE),マクロベースステーション(MBS)シャットダウンなどのキーシステムパラメータを適応的に最適化する。
  論文  参考訳（メタデータ） (2025-06-10T22:06:15Z)
• Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach [50.52139512096988]
  6G Internet of Things (IoT)ネットワークは、地上インフラストラクチャが利用できない遠隔地や災害シナリオにおいて、課題に直面している。 本稿では、指向性アンテナにより強化された新しい無人航空機(UAV)支援コンピューティングシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-06T06:46:19Z)
• Energy-Efficient Flying LoRa Gateways: A Multi-Agent Reinforcement Learning Approach [8.65375886947338]
  無人航空機(UAV)に搭載された空飛ぶLoRaゲートウェイを配置し、LoRaのエンドデバイスからデータを収集し、それを中央サーバに送信する。 我々の主な目的は、送信電力、拡散係数、帯域幅、ユーザアソシエーションの合同最適化により、無線LoRaネットワークのグローバルシステムエネルギー効率を最大化することである。
  論文  参考訳（メタデータ） (2025-02-05T17:16:40Z)
• Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
  マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。 マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。 提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-06T02:35:35Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• Multi-path Neural Networks for On-device Multi-domain Visual Classification [55.281139434736254]
  本稿では,モバイルデバイス上でのマルチドメイン視覚分類のためのマルチパスネットワークの自動学習手法を提案する。 提案するマルチパスネットワークは,各ドメインに1つの強化学習コントローラを適用して,MobileNetV3のような検索空間から生成されたスーパーネットワークの最適経路を選択することにより,ニューラルネットワーク検索から学習する。 決定されたマルチパスモデルは、個々のドメインパス内の非共有ノード内にドメイン固有のパラメータを保持しながら、共有ノード内のドメイン間でパラメータを選択的に共有する。
  論文  参考訳（メタデータ） (2020-10-10T05:13:49Z)

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。