論文の概要: HQARRF: Hierarchical Q-learning and Force-aware Routing for Multi-Charger Scheduling in Wireless Rechargeable Sensor Networks

• arxiv url: http://arxiv.org/abs/2609.13901v1
• Date: Sat, 12 Sep 2026 12:17:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.604773
• Title: HQARRF: Hierarchical Q-learning and Force-aware Routing for Multi-Charger Scheduling in Wireless Rechargeable Sensor Networks
• Title（参考訳）: HQARRF:ワイヤレス充電型センサネットワークにおけるマルチチャージャースケジューリングのための階層的Q-ラーニングとフォース対応ルーティング
• Abstract要約: 本稿では、無線充電型センサネットワークのための2レベルスケジューラHQARRFを提案する。 HQARRFの生存率は26で最高であり、5つの基準線の平均よりも20.7%向上している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-charger scheduling in wireless rechargeable sensor networks must weigh sensor death risk, charger energy, travel cost, return-to-base feasibility and inter-charger coordination at once, and schedulers driven by local urgency alone duplicate service and leave whole regions unattended. We present HQARRF, a two-level scheduler. Below, an interpretable ARR-F score ranks candidate clusters through an attraction term for local urgency, a repulsion term against charger crowding and a force bonus from nearby critical sensors. Above, adaptive zones compress regional state into a deadline-based risk estimate, and a gated Q-learning controller decides only whether to redirect service to a high-risk, under-served zone. Over 27 parameter points HQARRF attains the highest mean survival rate at 26, improving survival by 20.7 percentage points over the mean of five baselines and 9.2 over the strongest baseline at each point. An ablation isolates the upper level: its gain tracks how often the controller fires.
• Abstract（参考訳）: ワイヤレス充電可能なセンサネットワークにおけるマルチチャージャースケジューリングは、センサ死亡リスク、充電器エネルギー、旅行コスト、基地間ファシビリティと充電器間調整を一度に測定し、ローカル緊急サービスのみによって駆動されるスケジューラは、局所的に重複し、全領域を未使用のままにしておく必要がある。 本稿では、2レベルスケジューラHQARRFを紹介する。 以下に、解釈可能なARR-Fスコアが、局所緊急のためのアトラクション項、充電器群集に対する撃退項、近くの臨界センサーからの力のボーナスを通じて、候補クラスタをランク付けする。 上述の適応ゾーンは、地域状態を期限ベースのリスク推定に圧縮し、ゲートQ学習コントローラは、高リスク、低サービスゾーンへのサービスリダイレクトのみを決定する。 27以上のパラメータポイント HQARRF の生存率は26で最高であり、5つのベースラインの平均で20.7%、各ポイントで最強のベースラインで9.2である。 アブレーションは上層を分離し、その利得はコントローラーの発射頻度を追跡する。

関連論文リスト

• Joint UAV Activation and Placement for Post-Disaster Wireless Restoration via a Hybrid Quantum-Inspired Evolutionary Framework [1.6557012906444653]
  災害後の環境では、地上通信インフラの故障は、無線接続を回復するために無人航空機(UAV)の迅速な展開を必要とする。 本稿では, 連続空間におけるUAVの活性化と配置の問題に対処し, 展開するUAVの数を最小化することを目的とする。 我々は、K平均誘導初期化、校正されたペナルティベースの実現可能性目標、非エリート進化探索、量子インスパイアされた学習更新を組み合わせたハイブリッドK平均量子インスパイア進化アルゴリズム(HKQEA)を提案する。
  論文  参考訳（メタデータ） (2026-09-07T12:00:20Z)
• Place, Slice and Schedule: Hierarchical O-RAN Control of a Tethered mmWave UAV-gNB [8.316876835702525]
  無人航空機(UAV)搭載の5Gニューラジオ基地局(gNB)は、地上ネットワークをオンデマンドで再配置可能な周波数レンジ2の容量層で拡張することができる。 この柔軟性は、物理ネットワークトポロジと無線リソース管理を結合する。UAVムーブメントは、ブロック、チャンネル品質、効果的に提供されたユーザのセットを想起させる。 我々は、この結合に対処するために、O-RAN分解、キーパフォーマンス指標(KPI)モニタリング、マルチタイムRANインテリジェントコントローラ(RIC)制御を利用する。 集約・無線環境コンテキストを用いた非リアルタイムRCC rAppによる共同制御
  論文  参考訳（メタデータ） (2026-08-24T21:08:54Z)
• MA-HEAD-Net: Adaptive Rule-Guided Multi-Agent DRL for AoI Minimization in UAV-Assisted Emergency Networks [71.01350912967922]
  事故後のシナリオでは、無人航空機(UAV)が緊急通信ネットワークを確立する上で重要である。 本稿では,UAV支援緊急通信における情報量(AoI)の最小化について検討する。 適応型ルール誘導多エージェント深層強化学習フレームワークMA-HEAD-Netを開発した。
  論文  参考訳（メタデータ） (2026-08-02T10:05:50Z)
• Distributed Coordination for Resilient Multi-UAV Remote Sensing: A Photovoltaic Inspection Case Study [0.0]
  リモートセンシングのために複数のUAVをデプロイすることで、ミッション時間の比例的な削減が可能になる。 監視キャンペーンでは、ミッション値が全カバレッジとすべてのキャプチャのユーザビリティに依存する場合、集中的な地上局調整器は単一障害点である。 ピアツーピア協調機能を備えた既存の空中フレームワークを非侵襲的に拡張する,エージェント間通信基盤である textbfSLink を提案する。
  論文  参考訳（メタデータ） (2026-07-27T14:17:48Z)
• RSC: Decentralized Rigid Formation Flocking for Large-Scale Swarms via Hybrid Predictive Control and Online Reconfiguration [13.510884015809735]
  分散化された剛体形成の群れは、移動中に所定の幾何学的構成を維持するために自律的なエージェント群を必要とする。 既存の分散制御手法は、散在環境において厳密なエージェント間距離制約を維持するのに苦労する。 本稿では,大規模な剛性形成フロッキングのための分散制御フレームワークであるRigid Swarm Control (RSC)を提案する。
  論文  参考訳（メタデータ） (2026-06-02T21:54:30Z)
• FedCritic: Serverless Federated Critic Learning-based Resource Allocation for Multi-Cell OFDMA in 6G [4.726504262162973]
  6G超高密度ネットワークでは、アグレッシブ周波数再利用はセル間干渉を増幅する。 分散実行を備えたサーバレスフェデレーションマルチエージェントフレームワークであるFedCriticを開発した。
  論文  参考訳（メタデータ） (2026-05-20T17:13:09Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• 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)
• DOVA-PATBM: An Intelligent, Adaptive, and Scalable Framework for Optimizing Large-Scale EV Charging Infrastructure [3.74242093516574]
  本稿では,単一パイプラインでコンテキストを統一するジオコンピューティングフレームワークであるDOVA-PATBM(Voronoi-oriented, Adaptive, POI-Aware Temporal Behaviour Model)を提案する。 ヘテロジニアスなデータ(中心性、人口、夜間光、POI、フィードライン)を階層的なH3グリッドに方法論する。 ゾーン正規化グラフニューラルネットワークモデルとの交差の重要性を推測し、30kmの半径で少なくとも1つの5ポートのDC高速充電器を保証するボロノイ・テッセルレーションをオーバーレイする。
  論文  参考訳（メタデータ） (2025-06-18T09:15:18Z)
• Conformal Distributed Remote Inference in Sensor Networks Under Reliability and Communication Constraints [61.62410595953275]
  通信制約付き分散共形リスク制御(CD-CRC) CD-CRCは通信制約下でのセンサネットワークのための新しい意思決定フレームワークである。
  論文  参考訳（メタデータ） (2024-09-12T10:12:43Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Cognitive Radio Network Throughput Maximization with Deep Reinforcement Learning [58.44609538048923]
  RF-CRN(Radio Frequency powered Cognitive Radio Networks)は、IoT(Internet of Things)などの最新のネットワークの目と耳である可能性が高い。 自律的と考えるには、RF駆動のネットワークエンティティは、ネットワーク環境の不確実性の下でネットワークスループットを最大化するために、ローカルで決定する必要がある。 本稿では,この欠点を克服し,無線ゲートウェイがネットワークスループットを最大化するための最適なポリシーを導出できるように,深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-07-07T01:49:07Z)

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。