基于深度强化学习的空中无人机基站资源分配与公平性研究

• 全文链接
• 请求原文

作   者：

郭少雄;  宋志群;  李勇; 

作者机构：

通信网信息传输与分发技术重点实验室; 

关键词：

资源分配;  深度强化学习;  无线通信技术;  UAV;  公平性;  空中基站; 

期刊名称：

河北科技大学学报

i s s n：

1008-1542

年卷期：

2024 年 001 期

页   码：

44-51

摘   要：

为了提高无人机基站（unmanned aerial vehicle base stations, UAV-BS）为地面多用户服务时的数据速率，提出一种基于决斗深度神经网络（dueling deep Q-network, Dueling-DQN）的深度强化学习（deep reinforcement learning, DRL）算法。采用决斗网络（dueling network, DN）结构以克服动态环境的部分可观测问题，联合优化了UAV-BS的位置和下行链路功率分配，在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明，相较于对比算法，所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性，且随着地面用户数量的增大，算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题，为UAV-BS的资源分配问题提供理论参考。