Les réseaux de communication multi-UAV font face à des défis significatifs pour atteindre une haute efficacité énergétique et une faible latence de communication dans des conditions de topologie dynamique et d'interférences. Cet article propose un cadre Dueling Deep Q-Network (DQN) pour l'optimisation conjointe des ressources dans des systèmes multi-UAV compatibles avec la 6G. L'approche proposée optimise conjointement l'allocation de la puissance d'émission, l'association des liens inter-UAV et la densité graphique adaptive dans un cadre unifié d'apprentissage par renforcement. En employant une décomposition de valeur-avantage en duel, le modèle proposé améliore la stabilité d'apprentissage et la convergence par rapport aux schémas DQN conventionnels et Double DQN (DDQN). Les résultats des simulations sous différentes densités de réseau et échelles de UAV montrent que le Dueling DQN proposé atteint jusqu'à 15 % d'efficacité énergétique en plus et 12 % de latence de bout en bout en moins, tout en maintenant des performances robustes dans des scénarios de connectivité dense. Ces résultats démontrent l'efficacité et l'évolutivité du cadre proposé pour les applications de communication UAV sensibles à l'énergie et à la latence.
Mohammad Alnakhli (vendredi) a étudié cette question.