面向电池受限物联网的两层非交替无人机辅助数据采集优化框架
《Applied Sciences》:PID Tuning Approach Using Kolmogorov–Arnold Networks Under Varying Operational Conditions
【字体:
大
中
小
】
时间:2026年09月28日
来源:Applied Sciences 2.5
摘要
由电池受限的物联网(IoT)设备进行的无人机(UAV)辅助数据采集面临通信可靠性与设备能量耗尽之间的根本性权衡。本文联合优化无人机轨迹、用户关联和无线资源管理(RRM),以最小化上行链路加权发射功率总和,其中每个设备的权重与其残余能量动态反向相关,同时将无人机推进能量作为可行性约束。为规避传统交替优化(AO)的初始化陷阱,我们提出了一种双层非交替框架。内层针对固定无人机位置,通过KKT条件解析求解每个时隙的RRM问题,得到解析的功率分配和唯一带宽解,同时用户关联通过增量贪心算法确定。外层将轨迹规划(TP)建模为马尔可夫决策过程(MDP),实现单次轨迹合成而无需跨层迭代,从而从根本上避免了对初始化的敏感性。该框架支持遗传算法(GA)和有限深度优先搜索(DFS)作为轨迹求解器,深度Q网络(DQN)则是一个有前景的未来扩展方向,每种方案均提供了不同的最优性-复杂度权衡。仿真结果表明,所提方案在各种网络配置下均一致优于传统迭代基线方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号