Fugu-MT 論文翻訳(概要): Dueling DDQN-Based Adaptive Multi-Objective Handover Optimization for LEO Satellite Networks

論文の概要: Dueling DDQN-Based Adaptive Multi-Objective Handover Optimization for LEO Satellite Networks

arxiv url: http://arxiv.org/abs/2605.02416v1
Date: Mon, 04 May 2026 10:07:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-05 20:33:50.233271
Title: Dueling DDQN-Based Adaptive Multi-Objective Handover Optimization for LEO Satellite Networks
Title（参考訳）: DDQNに基づくLEO衛星ネットワークの適応多目的ハンドオーバ最適化
Authors: Po-Heng Chou, Chiapin Wang, Chung-Chi Huang, Kuan-Hao Chen,
Abstract要約: 本稿では、LEO衛星ネットワークのためのDouble Deep Q-network(DDQN)ベースの適応多目的ハンドオーバフレームワークを提案する。提案手法は,スループット,ブロッキング確率,ネットワーク条件の切り替えコストの動的トレードオフ学習を可能にする。
参考スコア（独自算出の注目度）: 0.10499611180329803
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a dueling double deep Q-network (DDQN)-based adaptive multi-objective handover framework for LEO satellite networks. The proposed method enables dynamic trade-off learning among throughput, blocking probability, and switching cost under time-varying network conditions. Simulation results demonstrate that the proposed approach consistently outperforms conventional baselines, achieving up to 10.3% throughput improvement and near-zero blocking under typical operating conditions.
Abstract（参考訳）: 本稿では、LEO衛星ネットワークのためのDouble Deep Q-network(DDQN)ベースの適応多目的ハンドオーバフレームワークを提案する。提案手法は,スループット,ブロッキング確率,ネットワーク条件の切り替えコストの動的トレードオフ学習を可能にする。シミュレーションの結果、提案手法は従来のベースラインよりも一貫して優れており、典型的な動作条件下では最大10.3%のスループット向上とほぼゼロに近いブロッキングを実現している。

関連論文リスト

QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文参考訳（メタデータ） (2025-12-17T06:22:46Z)
Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
論文参考訳（メタデータ） (2025-10-11T05:11:21Z)
Adaptive Optimization of Latency and Throughput with Fidelity Constraints in Quantum Networks Using Deep Neural Networks [3.1856756516735936]
本稿では,Deep Neural Networks (DNN) を用いた半教師付き適応浄化手法を提案する。本研究は,将来の量子ネットワークアプリケーションにおいて,適応的かつ最適化された性能を実現するためのディープラーニング技術の可能性について述べる。
論文参考訳（メタデータ） (2025-05-18T15:23:18Z)
Adaptive Genetic Selection based Pinning Control with Asymmetric Coupling for Multi-Network Heterogeneous Vehicular Systems [8.454856509502733]
本稿では,異種マルチネットワーク車載アドホックネットワーク(VANET)のためのピンニング制御手法を提案する。まず、単一および複数ネットワーク条件下でのピンニング制御戦略の安定性を証明し、厳密な理論基盤を確立する。本理論に基づいて,最適ピンニングノードの選択に適した適応型遺伝的アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-11-05T11:49:26Z)
Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-11T03:13:02Z)
Multi Agent DeepRL based Joint Power and Subchannel Allocation in IAB networks [0.0]
統合アクセスとバックハウリング(IRL)は、将来の世代におけるより高いデータレートに対する前例のない要求を満たすための、実行可能なアプローチである。本稿では,分数ノードに付随する巨大なアクション空間の問題を,Deep Q-Learning Networkを用いて処理する方法を示す。
論文参考訳（メタデータ） (2023-08-31T21:30:25Z)
Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
論文参考訳（メタデータ） (2021-11-15T14:07:22Z)
Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文参考訳（メタデータ） (2021-01-02T15:21:08Z)
Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文参考訳（メタデータ） (2020-07-27T12:38:37Z)

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。