.png){kind=icon}
返回
Fast hierarchical optimization algorithm for multi-UAV-BS network for dynamic users
.png){kind=icon}
PRE
AI
DOI：10.1016/j.adhoc.2025.104001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为应对动态用户需求，无人机可作为空中基站（UAV-BSs）并采用实时位置调整策略提供接入服务。然而，UAV-BSs的频繁移动增加了网络调整的复杂性并降低了电池续航能力。为解决此挑战，本文提出了一种快速分层优化算法。通过联合优化频率分配、功率优化和位置部署，该算法旨在最大化接收高质量服务（QoS）通信的用户数量。当实时监测发现用户通信质量低于阈值时，算法将触发功率和频率参数的优化。为解决非凸优化问题，采用块坐标下降（BCD）算法和遗传算法（GA）在交替计算过程中获取最优解。若调整参数后部分用户仍未恢复至阈值以上，将触发多UAV-BS的位置重新部署，并对所有参数重新优化。仿真结果表明，所提算法不仅表现出稳健的收敛性，还实现了95.5%的用户覆盖率。与单目标优化方法相比，所提算法展现出更优的性能。
Keyword:
UAV-BS
hierarchical optimization
frequency allocation
power optimization
position deployment
期刊
IF:
4.8
论文数:
545
被引数:
6.2K
机构
暂无机构信息
引用论文
Network slicing in aerial base station (UAV-BS) towards coexistence of heterogeneous 5G services空基基站（UAV-BS）中的网络切片技术面向异构5G服务的共存.png)
COMPUTER NETWORKS
COMPUTER NETWORKSIF4.6
PREAI
分享收藏Deep Reinforcement Learning for UAV Trajectory Design Considering Mobile Ground Users考虑移动地面用户的深度强化学习无人机航迹设计SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Energy and Latency Efficient Joint Communication and Computation Optimization in a Multi-UAV-Assisted MEC Network多无人机辅助MEC网络中能量和延迟有效的联合通信和计算优化
PREAI
分享收藏分享收藏Deployment algorithms of multi-UAV-BS networks with frequency reuse and power optimization具有频率复用和功率优化的多UAV-BS网络部署算法
PREAI
分享收藏Soft Frequency Reuse With Allocation of Resource Plans Based on Machine Learning in the Networks With Flying Base Stations具有飞行基站的网络中基于机器学习的软频率复用与资源计划分配IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容