다수 UAV 지원 센서 네트워크에서의 공동 통신 일정 관리 및 속도 제어: 심층 강화 학습 접근 방식

최근 무인 항공기(UAV) 떼가 원거리 및 적대적인 지역에서 지상 센서로부터 데이터를 수집하기 위한 연구가 증가하고 있습니다. 주요 도전 과제는 UAV의 속도 및 데이터 수집 일정을 공동으로 설계하는 것이며, 적절하지 않은 속도 및 일정은 전송 실패와 센서의 버퍼 오버플로로 이어져, 결국 상당한 패킷 손실을 초래합니다. 본 논문에서는 여러 UAV의 속도 제어 및 데이터 수집 일정을 공동으로 최적화하여 데이터 손실을 최소화하며, 지상 센서의 배터리 수준, 대기열 길이 및 채널 상태, UAV의 궤적에 적응합니다. 지상 센서 상태에 대한 최신 정보가 없는 경우, Multi-UAV 심층 강화 학습 기반 일정 알고리즘(MADRL-SA)을 제안하여 UAV가 개별 UAV의 네트워크 상태에 대한 구식 지식 하에서 시스템의 데이터 손실을 점진적으로 최소화할 수 있도록 합니다. 수치 결과는 제안된 MADRL-SA가 고려된 시뮬레이션 설정에서 기존 DRL 솔루션과 비교하여 최대 54% 및 46%까지 패킷 손실을 줄인다는 것을 보여줍니다.