Key points are not available for this paper at this time.
Unbemannte Flugzeuge (UAVs) können in vielen Internet-of-Things (IoT)-Systemen, z. B. in smarten Farmen, als Plattform zur Datensammlung eingesetzt werden. Allerdings können die UAV-IoT-Drahtloskanäle gelegentlich durch Bäume oder Hochhäuser blockiert werden. Eine intelligente reflektierende Oberfläche (IRS) kann eingesetzt werden, um die Qualität des drahtlosen Kanals zu verbessern, indem das Signal intelligent durch eine große Anzahl kostengünstiger passiver reflektierender Elemente reflektiert wird. Ziel dieses Artikels ist es, den Energieverbrauch des Systems zu minimieren, indem der Einsatz und die Trajektorie des UAV gemeinsam optimiert werden. Das Problem wird als gemischt-ganzzahlige und nichtlineare Programmierung (MINLP) formuliert, die mit der traditionellen Lösung schwierig zu adressieren ist, da die Lösung leicht in das lokale Optimum fallen kann. Um dieses Problem zu lösen, schlagen wir ein gemeinsames Optimierungsrahmen für Einsatz und Trajektorie (JOLT) vor, bei dem ein adaptiver Walfisch-Optimierungsalgorithmus (AWOA) verwendet wird, um den Einsatz des UAV zu optimieren, und eine elastische Ring-Selbstorganisierende Karte (ERSOM) eingeführt wird, um die Trajektorie des UAV zu optimieren. Konkret wird in AWOA eine Variable-Längen-Populationsstrategie verwendet, um die optimale Anzahl von Haltepunkten zu finden, und ein nichtlinearer Parameter a sowie eine teilweise Mutationsregel werden eingeführt, um das Gleichgewicht zwischen Erkundung und Ausbeutung zu gewährleisten. In ERSOM wird auch ein wettbewerbsfähiges neuronales Netzwerk eingeführt, um die Trajektorie des UAV durch wettbewerbsfähiges Lernen zu lernen, und eine Ringstruktur wird präsentiert, um die Überlappung der Trajektorie zu vermeiden. Umfangreiche Experimente werden durchgeführt, um die Effektivität des vorgeschlagenen JOLT-Rahmen zu zeigen.
Dong et al. (Tue,) haben diese Frage untersucht.