ISSN 1813-324X · EISSN 2712-8830
Язык: ru

Архив статей журнала

Оптимизация использования ресурсов воздушных базовых станций на основе методов искусственного интеллекта (2025)
Выпуск: Том 11, № 1 (2025)
Авторы: Чан Тунг Зыонг, Кучерявый Андрей Евгеньевич

В отдаленных областях и районах стихийных бедствий беспилотные летательные аппараты (БПЛА) могут выступать в качестве базовых станций, обеспечивающих беспроводную связь с наземными пользователями. Благодаря своей высокой мобильности, низкой стоимости, а также быстрому развертыванию и поиску, БПЛА могут изменять свое местоположение в трехмерном пространстве, улучшая беспроводное соединение и повышая скорость передачи данных. В этой статье исследуются проблемы развертывания воздушных базовых станций (ABS, аббр. от англ. Aerial Base Station) в трехмерном пространстве и распределения мощности в целях максимизации скорости передачи данных в системе. Для решения этих проблем предложено использовать алгоритм Q-learning, относящийся к методам обучения с подкреплением. Используя БПЛА в качестве агента, алгоритм позволяет ABS исследовать пространство состояний на основе политики ϵ-greedy (эпсилон жадный алгоритм) для определения местоположения в трехмерном пространстве и распределения мощности.

Результаты моделирования показывают, что предложенный алгоритм превосходит известные методы размещения ABS в трехмерном пространстве и распределения мощности.

Целью настоящей статьи является исследование эффективности применения современных методов искусственного интеллекта для оптимизации использования ресурсов воздушных базовых станций сетей связи общего пользования. Сущность предлагаемого решения состоит в применении современных методов искусственного интеллекта, а именно: метода обучения Q-learning и эпсилон-жадного алгоритма ϵ-greedy для обеспечения совместной оптимизации размещения ABS и распределения мощности для максимизации скорости передачи данных. Система имеет реализацию в виде программы моделирования.

Эксперименты при моделировании показали, что использование метода обучения с подкреплением Q-learning и эпсилон-жадного алгоритма e-greedy для совместной оптимизации обеспечивает более высокую общую скорость передачи данных в системе по сравнению с оптимизацией только местоположения или распределения мощности.

Научная новизна предложенного решения состоит в том, что совместная оптимизация размещения ABS и распределения мощности позволила, в отличие от известных результатов, выявить, что высота полета БПЛА с установленной на нем базовой станцией при оптимизации только местоположения будет выше, чем высота полета БПЛА при совместной оптимизации местоположения и распределения мощности.

Практическая значимость заключается в возможности разработки методики планирования сетей связи общего пользования при использовании ABS для получения более высокой общей скорости передачи данных на соответствующем фрагменте сети.

Сохранить в закладках