災害後探索と救助運用における強化学習に基づくUAV基地局軌道最適化【JST・京大機械翻訳】

Zhao Shiye; Ota Kaoru; Dong Mianxiong

プレプリント

J-GLOBAL ID：202202201069218024 整理番号：22P0292950

災害後探索と救助運用における強化学習に基づくUAV基地局軌道最適化【JST・京大機械翻訳】

UAV Base Station Trajectory Optimization Based on Reinforcement Learning in Post-disaster Search and Rescue Operations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年02月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

災害のため,地上基地局(TBS)は部分的に衝突する。いくつかのユーザ機器(UE)は保存されない。空中基地局として無人航空機(UAV)を配備することは,UEsを急速にカバーする方法である。しかし,既存の方法はUAVsの被覆率のみを参照する。これらのシナリオでは,すべてのTBSがもはや動作しない後災害領域におけるUAVsの展開に焦点を合わせる。利用可能なTBSとUAVsの組合せに関する研究が限られている。空中基地局として利用可能なTBSと協調するUAVsを展開する方法を提案した。そして,強化学習によって範囲を改良した。さらに,実験において,著者らは,最初に,階層構造(BIRCH)を用いて,平衡反復還元およびクラスタ化によって,UEsをクラスタ化した。最後に,Q学習を通してUEsに対する基地局のより良いカバレッジを達成した。【JST・京大機械翻訳】

, , , , , ,
, 【Automatic Indexing@JST】

移動通信

, , , , , , , ,

前のページに戻る