Control de UAVs Eficiente en Energía para una Cobertura de Comunicación Efectiva y Justa: Un Enfoque de Aprendizaje Profundo por Refuerzo

Los vehículos aéreos no tripulados (UAVs) pueden ser utilizados como estaciones base aéreas para mejorar tanto la cobertura como el rendimiento de las redes de comunicación en varios escenarios, como comunicaciones de emergencia y acceso a redes en áreas remotas. Los UAVs móviles pueden establecer enlaces de comunicación para usuarios terrestres para entregar paquetes. Sin embargo, los UAVs tienen rangos de comunicación y recursos energéticos limitados. En particular, para una gran región, no pueden cubrir toda el área todo el tiempo ni mantenerse volando durante mucho tiempo. Por lo tanto, es un desafío controlar un grupo de UAVs para lograr cierta cobertura de comunicación a largo plazo, al tiempo que se preserva su conectividad y se minimiza su consumo de energía. Con este fin, proponemos aprovechar el aprendizaje profundo por refuerzo (DRL) emergente para el control de UAVs y presentamos un método novedoso y altamente eficiente en energía basado en DRL, al que llamamos control eficiente en energía basado en DRL para cobertura y conectividad (DRL-EC 3 ). El método propuesto 1) maximiza una novedosa función de eficiencia energética con consideración conjunta para la cobertura de comunicaciones, equidad, consumo de energía y conectividad; 2) aprende del entorno y su dinámica; y 3) toma decisiones bajo la guía de dos poderosas redes neuronales profundas. Llevamos a cabo simulaciones extensas para la evaluación del rendimiento. Los resultados de las simulaciones han mostrado que DRL-EC 3 supera significativamente y de manera consistente a dos métodos de referencia comúnmente utilizados en términos de cobertura, equidad y consumo de energía.