研究人员开发了一种新颖的框架，用于优化动态无人机（UAV）网络的部署，重点关注在易受威胁环境中的能效和运行安全。该方法采用威胁感知的K-means算法进行初始放置和聚类，然后进行最优匹配阶段以分配无人机并最小化能耗。多智能体孪生延迟深度确定性策略梯度（MATD3）算法随后动态调整轨迹、功率和用户关联。仿真结果表明，该框架实现了零安全违规，并在能效和收敛速度方面优于其他学习方法和非聚类基线。 AI
影响 这项研究可能带来在复杂且潜在危险环境中更安全、更高效的无人机操作。
排序理由 详细介绍无人机网络新AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- k-means clustering
- MATD3
- multi-agent RL
- Threat-Aware Energy-Efficient Deployment for Dynamic UAV Networks: A Multi-Agent RL Approach
- unmanned aerial vehicle
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
