論文の概要: Joint UAV Activation and Placement for Post-Disaster Wireless Restoration via a Hybrid Quantum-Inspired Evolutionary Framework
- arxiv url: http://arxiv.org/abs/2609.16019v1
- Date: Mon, 07 Sep 2026 12:00:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.106299
- Title: Joint UAV Activation and Placement for Post-Disaster Wireless Restoration via a Hybrid Quantum-Inspired Evolutionary Framework
- Title（参考訳）: ハイブリッド量子インスパイアされた進化的枠組みによるポストディザスタワイヤレス再生のための共同UAV活性化と配置
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.6557012906444653
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In post-disaster environments, the failure of terrestrial communication infrastructure necessitates the rapid deployment of unmanned aerial vehicles (UAVs) as aerial base stations to restore wireless connectivity. This paper addresses the joint UAV activation-and-placement problem in continuous space, with the objective of minimizing the number of deployed UAVs while satisfying coverage and minimum-separation constraints. To solve this problem, we propose a Hybrid K-means Quantum-Inspired Evolutionary Algorithm (HKQEA) that combines K-means-guided initialization, a calibrated penalty-based feasibility objective, non-elitist evolutionary search, and a quantum-inspired learning update. Experimental results over 50 independent runs show that HKQEA attains a best fully feasible solution with 8 UAVs, while achieving average values of 98.94\% for coverage, 99.94\% for non-overlap, and 99.68\% for minimum-distance satisfaction. Comparative evaluation against standard Non-dominated Sorting Genetic Algorithm II (NSGA-II), Particle Swarm Optimization algorithm (PSO) and an elitist variant of HKQEA further shows that the proposed method provides a more favorable balance among exploration, convergence behavior, and reliable feasibility preservation in constrained deployment problems. An illustrative procurement-level cost analysis also indicates that reducing the fleet from 10 UAVs to 8 can yield a 20\% reduction in hardware count, corresponding to a simplified savings ratio of 25\% for the studied deployment setting. These results demonstrate the potential of the proposed framework for resource-efficient post-disaster communication restoration.
- Abstract（参考訳）: 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)を航空基地局として迅速に配備する必要がある。
本稿では, 連続空間における連立UAV活性化・配置問題に対して, カバー範囲と最小分離制約を満足しつつ, 展開UAVの数を最小化することを目的とする。
この問題を解決するために、K平均誘導初期化、校正されたペナルティベースの実現目標、非楕円進化探索、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。
50回の独立ランでの実験結果によると、HKQEAは8UAVで最高の完全実現可能なソリューションとなり、平均値98.94\%、非オーバーラップ99.94\%、最小距離満足度99.68\%を達成した。
従来の非支配的ソーティング遺伝的アルゴリズム (NSGA-II) やパーティクルスワム最適化アルゴリズム (PSO) やHKQEAのエリート的変種との比較により, 提案手法は, 制約された展開問題における探索, 収束挙動, 信頼性のある実現可能性保存のバランスが良好であることを示す。
実証的な調達水準のコスト分析では、調査された展開設定の削減率25\%に対応して、10機のUAVから8機のFleetを減らし、ハードウェアカウントを20\%削減できることを示している。
これらの結果は,資源効率の高い通信復旧のためのフレームワークの可能性を示している。
関連論文リスト
- Rate-Aware Quantum-Inspired Trajectory Learning for Interference-Limited Multi-UAV Networks [1.2759527491524598]
無人航空機(UAV)は、災害や通常の状況において、オンデマンドで高容量の接続を提供することができる。
本稿では,RA-QAGC(Rate-Aware Quantum-Annealed Graph Condensation)方式を提案する。
論文 参考訳（メタデータ） (2026-06-24T07:10:37Z) - Market-Based Replanning for Safety-Critical UAV Swarms in Search and Rescue Missions [0.0]
SAR(Search and Rescue)ミッションにおける信頼性の高い自律型UAV群は、エージェントの劣化にもかかわらず、動作を持続できるフォールトトレラント調整を必要とする。
本稿では,資源制約環境向けに設計された分散協調アーキテクチャであるIntelligent Replanning Drone Swarm (IRDS)を紹介する。
論文 参考訳（メタデータ） (2026-06-01T09:33:15Z) - DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning [62.347535250646196]
本稿では、ロバストでスケーラブルなシロコラボ型IoTアプリケーションスケジューリングのための分散フェデレーション強化学習フレームワークであるDeFRiSを提案する。
DeFRiSは、(i)異種サイロ間のシームレスな知識伝達を可能にするための候補資源スコアを利用したアクション空間非依存ポリシー、(ii)汎用アドバンテージ推定とクリッピングされたポリシー更新を組み合わせたサイロ最適化ローカル学習メカニズム、(iii)類似性認識の知識伝達と異常検出に勾配指紋を利用するDual-Track Non-IIDロバストな分散集約プロトコル、の3つのイノベーションを統合する。
論文 参考訳（メタデータ） (2026-03-16T02:02:38Z) - Adaptive Enhancement and Dual-Pooling Sequential Attention for Lightweight Underwater Object Detection with YOLOv10 [0.0]
この原稿では、YOLOv10アーキテクチャを基盤として、水中オブジェクト検出のための合理化されながら堅牢なフレームワークを紹介している。
提案手法は,画像品質向上のためのマルチステージ適応拡張モジュールと,マルチスケール特徴表現を強化するためのデュアルプールシーケンスアテンション機構を統合した。
論文 参考訳（メタデータ） (2026-03-04T07:39:57Z) - UAV Virtual Antenna Array Deployment for Uplink Interference Mitigation in Data Collection Networks [71.23793087286703]
無人航空機(UAV)は、航空無線ネットワークと通信を確立するためのプラットフォームとして注目されている。
本稿では,複数UAVネットワークシステムにおける協調ビームフォーミング(CB)法に基づく新しいアップリンク干渉緩和手法を提案する。
論文 参考訳（メタデータ） (2024-12-09T12:56:50Z) - Wireless Federated Learning over UAV-enabled Integrated Sensing and Communication [2.8203310972866382]
本稿では,無人航空機(UAV)を利用した統合型統合学習(FL)における新しい遅延最適化問題について検討する。
ベンチマーク方式と比較して,システム遅延を最大68.54%削減し,高品質な近似解を求めるため,単純かつ効率的な反復アルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-11-01T14:25:24Z) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳（メタデータ） (2023-08-03T02:49:50Z) - A Safe Genetic Algorithm Approach for Energy Efficient Federated
Learning in Wireless Communication Networks [53.561797148529664]
フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。
FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。
現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
論文 参考訳（メタデータ） (2023-06-25T13:10:38Z) - 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) - Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted
IoT Data Collection System [25.32139119893323]
無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。
UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。
本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
論文 参考訳（メタデータ） (2022-10-27T06:27:40Z) - Integrating LEO Satellites and Multi-UAV Reinforcement Learning for
Hybrid FSO/RF Non-Terrestrial Networks [55.776497048509185]
低高度地球軌道衛星(SAT)と無人航空機(UAV)のメガコンステレーションは、第5世代(5G)を超える高速・長距離通信の実現を約束している。
我々は、ミリ波(mmWave)無線周波数(RF)または自由空間光(FSO)リンクを用いて、SATとUAVリレーを介して2つの長距離地上端末間のパケット転送の問題を検討する。
論文 参考訳（メタデータ） (2020-10-20T09:07:10Z)
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。