Deploying UAV based on Reinforcement Learning for Throughput Maximization in UAV Environments
Lists
Only you see this
Abstract
현재 5G의 상용화가 이루어지는 단계이지만 통신 품질의 안정화를 위해서는 많은 기지국이 필요하다. 따라서 지상 기지국을 대신하여 UAV를 통해 이동성과 경제적 이점을 얻을 수 있도록 연구가 이루어지고 있다. 이에 본 논문은 UAV-BS 환경에서 사용자들의 요구량과 지상 기지국 위치를 고려하여 최적의 서비스 처리량을 가질 수 있는 위치를 찾는 기법을 제안한다. The Air-To-Ground Path Loss Model을 토대로 가상 통신 환경 구축하고, 서비스 요구량에 따른 채널 사용 시간 분배를 위해 Max-Min Airtime Fairness를 적용한다. 더불어, 본 논문은 최적의 서비스 처리량 위치를 찾기 위한 방법으로 강화학습 중 Proximal Policy Optimization(PPO)을 사용한다. 결과적으로 본 연구를 통해 서로 다른 요구량을 가진 사용자들이 임의로 배치되어 있을 때, 학습 모델을 통해 높은 서비스 처리량을 가진 위치를 찾을 수 있었다.
BibTeX
@article{park2020deploying,
author = {Yu Min Park and Choong Seon Hong},
title = {{Deploying UAV based on Reinforcement Learning for Throughput Maximization in UAV Environments}},
journal = {Journal of KIISE},
year = {2020},
doi = {10.5626/jok.2020.47.7.700},
}Loading related content...