在RIS-UAV网络中的容量最大化：基于DDQN的轨迹和相位偏移优化方法

可重构智能表面（RIS）因其对无线网络性能的提升而迅速发展，且无人机（UAV）与RIS的集成已引起广泛关注。本文考虑了配备RIS的非正交多重接入（NOMA）UAV网络的下行链路。目标是在UAV能量消耗约束下优化UAV的轨迹及RIS的相位偏移，从而最大化系统容量。通过深度强化学习，提出了一种基于双深度Q网络（DDQN）的能量消耗约束下的容量最大化方案。通过DDQN算法实现UAV轨迹与RIS相位偏移设计的联合优化。从数值结果来看，所提优化方案能够提高RIS-UAV辅助NOMA网络的系统容量。