Self Evolving Mobile Charging Scheduling

doi:10.1109/tmc.2026.3728442

Self Evolving Mobile Charging Scheduling

2026-08-28

0

PRE

AI

DOI：10.1109/tmc.2026.3728442

原文链接

原文求助

摘要

En 中文

无线传感器网络（WSNs）因其轻量级基础设施和自主配置而受到欢迎，尽管有限的电源供应对持续运行构成挑战。无线充电传感器网络（WRSNs），通过无线能量传输（WPT）支持，为持续监测提供了可行的解决方案。然而，不可预测的拓扑变化，如传感器激活、停用和重新定位，直接影响充电效率和路径规划。为解决此问题，我们关注此类动态无线充电传感器网络（DWRSNs）中的移动充电调度问题。我们将该问题表述为动态无线充电传感器网络中的充电效用最大化问题（MIND），并提出一种基于分层强化学习（HRL）的分层自演化充电优化（HSCO）算法。HSCO利用具有基于近端策略优化（PPO）的上层策略的Transformer架构，用于定期检测网络动态和充电区域划分，以及基于REINFORCE的下层策略，用于生成局部路径并实时策略演化以应对网络拓扑变化。仿真和实验结果表明，HSCO实现了强大的适应性、高效率和良好的可扩展性，平均提高充电效用121.04%。

Keyword:

Wireless power transfer

wireless rechargeable sensor networks

mobile charging

reinforcement learning

Self Evolving Mobile Charging Scheduling

摘要

期刊

机构

引用论文