计算机应用研究

作者：李梦丽,王霄,米德昌,孟磊,

单位：1.贵州大学电气工程学院,贵阳550025；2.北京邮电大学计算机学院(国家示范性软件学院),北京100876；

关键词：应急服务,节点能效优化,深度强化学习,无人机部署,

基金：国家自然科学基金资助项目(61861007,61640014)；贵州省科技计划资助项目(黔科合基础-ZK［2021］一般303)；贵州省科技支撑计划资助项目(科合支撑［2022］一般017,黔科合支撑［2023］一般096,黔科合支撑［2022］一般264)；贵州省教育厅创新群体项目(黔教合KY字［2021］012)；贵州大学引进人才科研项目(贵大人基合字(2014)08号)；；

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%。

来源：2024年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第7期