セルラオフローディングのためのNOMA支援UAVネットワークにおけるマルチエージェント強化学習【JST・京大機械翻訳】

Zhong Ruikang; Liu Xiao; Liu Yuanwei; Chen Yue

プレプリント

J-GLOBAL ID：202202202239419913 整理番号：22P0201469

セルラオフローディングのためのNOMA支援UAVネットワークにおけるマルチエージェント強化学習【JST・京大機械翻訳】

Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading

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 (4件)： , , ,
資料名：
発行年： 2020年10月18日プレプリントサーバーでの情報更新日： 2020年10月18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)

多重無人機(UAV)の支援によるセルオフロードのために,新しいフレームワークを提案し,一方,非直交多重アクセス(NOMA)技術を各UAVで採用し,さらに無線ネットワークのスペクトル効率を改善した。ジョイント三次元(3D)軌道設計と電力配分の最適化問題を,スループットを最大化するために定式化した。地上移動ユーザは連続的にローミングとして考えられているので,UAVはユーザの移動に基づいてタイムリーに再雇用する必要がある。この適切な動的問題を解決する努力において,K平均ベースクラスタリングアルゴリズムを,周期的分割ユーザのために最初に採用した。その後,相互深Qネットワーク(MDQN)アルゴリズムを提案し,UAVsの最適3D軌跡と電力割当を共同決定した。従来のDQNアルゴリズムとは対照的に,MDQNアルゴリズムは,状態抽象化の支援で訓練時間を短くするために,共有ニューラルネットワークに入力するマルチエージェントの経験を可能にする。数値結果は以下を示した。1)提案したMDQNアルゴリズムは,マイナーな制約の下で収束でき,マルチエージェントケースにおける従来のDQNアルゴリズムよりも速い収束速度を持つ。2)NOMA強化UAVネットワークの達成可能な和率は,直交多重アクセス(OMA)の場合よりも23%優れている。3)MDONアルゴリズムの助けでUAVsの最適3D軌道を設計することによって,ネットワークの和率は,円形軌道と2D軌道を呼び出すものより,それぞれ142%と56%の利得を楽しめる。【JST・京大機械翻訳】

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

移動通信 , 計算機網

, , ,

前のページに戻る