灾害场景下基于MADRL的信息收集无人机部署与节点能效优化

作     者：李梦丽 王霄 米德昌 孟磊 Li Mengli;Wang Xiao;Mi Dechang;Meng Lei

作者机构：贵州大学电气工程学院贵阳 550025 北京邮电大学计算机学院(国家示范性软件学院)北京 100876 

基　　金：61861007:国家自然科学基金 61640014:国家自然科学基金 :贵州省科技计划资助项目 2022:贵州省科技支撑计划资助项目 2023:贵州省科技支撑计划资助项目 2022:贵州省科技支撑计划资助项目 :贵州省教育厅创新群体项目 :贵州大学引进人才科研项目 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2024年第41卷第7期

页      码：2118-2125页

摘      要：灾害场景下,对灾区内第一手重要信息的及时、可靠收集是灾害预警研究、灾区救援工作开展的关键.无人机是与灾区内部建立应急通信网络的高效辅助工具.通过对现有研究中应急场景下无人机的部署方法进行调查,指出了无人机部署时对节点能效考虑不充分的问题.由于地面传感器节点位于灾区内部,环境恶劣且极为被动,所以结合灾害场景,首次以提高地面节点能效为优化目标,基于深度强化学习方法,在DDQN网络模型基础上,通过自定义经验回放优先级、合理设计奖励函数和采用完全去中心化训练方式,解决该特定场景下用于信息收集无人机的自适应部署问题.仿真结果表明,所提算法的节点能源效率比DDQN基准算法提高21％,训练速度相比DDPG、A3C算法分别提升42％和34％.

主 题 词：应急服务 节点能效优化 深度强化学习 无人机部署 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19734/j.issn.1001-3695.2023.11.0537

馆 藏 号：203133081...