.png){kind=icon}
返回
Distributed Multi-UAV 3D Trajectory Planning Based on Multi-Agent Deep Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TCCN.2025.3635105.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在万物互联背景下，智能城市场景中无人 aerial vehicles (UAVs) 的广泛应用，使得多-UAV 协同轨迹规划面临包括成本约束、碰撞风险和复杂动作空间在内的多重挑战。为解决这些问题，提出了一种分布式多-UAV 三维轨迹规划协同优化方法，该方法通过联合优化 UAVs 能耗和 Age of Information (AoI) 来提升系统效率。首先，设计了一种基于改进遗传算法的优化机制，通过引入威胁因子和复合奖励因子来确定 UAVs 数量。然后，建立了一种多智能体深度强化学习 (MADRL) 支持的协同规划框架，将轨迹规划问题建模为多目标马尔可夫决策过程 (MDP)，并通过分布式策略网络在复杂城市环境中实现自主轨迹优化。最后，系统采用贪心算法对 UAVs 进行自适应速度调整，以提高资源利用率。仿真结果表明，与基线算法相比，所提出的方法在降低能耗、提升 AoI 以及优化轨迹规划策略方面均表现出更优性能，验证了其在智能城市空中交通系统中的有效性。
Keyword:
Multi-UAV trajectory planning
age of information (AoI)
multi-objective optimization
deep reinforcement learning (DRL)
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K
机构
引用论文
.png){kind=icon}
分享收藏Deep Reinforcement Learning-Based Resource Management for UAV-Assisted Mobile Edge Computing Against Jamming基于深度强化学习的无人机辅助移动边缘计算抗干扰资源管理
PREAI
分享收藏Energy-Aware Dynamic Trajectory Planning for UAV-Enabled Data Collection in mMTC NetworksmMTC网络中无人机数据收集的能量感知动态轨迹规划
PREAI
分享收藏Multi-Agent DRL for Task Offloading and Resource Allocation in Multi-UAV Enabled IoT Edge Network
PREAI
分享收藏Efficient Path Planning in Narrow Passages for Robots With Ellipsoidal Components具有椭圆形组件的机器人在狭窄通道中的有效路径规划
OAAI
OAAI分享收藏分享收藏Multi-UAV Trajectory Planning for Energy-Efficient Content Coverage: A Decentralized Learning-Based Approach用于节能内容覆盖的多无人机轨迹规划: 一种基于分散学习的方法
OAAI
OAAI分享收藏
查看更多内容