This paper studies a rechargeable unmanned aerial vehicle (UAV) assisted wireless network, where a UAV is dispatched to disseminate information to a group of ground terminals (GTs) and returns to a recharging station (RS) before the on-board battery is depleted. The central aim is to design a UAV trajectory with the minimum total time duration, including the flight and recharging time, by optimizing the flying velocity, transmit power and hovering positions jointly. A flow-based mathematical programming formulation is proposed to provide optimal for joint optimization of flying and recharging time. Furthermore, to attack the curse of dimensionality for optimal decision making, a two-step method is proposed. In the first step, the UAV hovering positions is fixed and initialize a feasible trajectory design by solving a travelling salesman problem with energy constraints (TSPE) problem. In the second step, for the given initial trajectory, the time consumption for each sub-tour is minimized by optimizing the flying velocity, transmit power and hovering positions jointly. Numerical results show that the proposed method outperforms state of art techniques and reduces the aggregate time duration in an efficient way.


翻译:本文研究的是可再充电的无人驾驶飞行器辅助无线网络,无人驾驶飞行器被派遣向一组地面终端(GTs)传播信息,并在机载电池用完之前返回充电站(RS),中心目标是通过优化飞行速度、传输动力和悬浮位置共同优化飞行速度、传输动力和充电时间,设计具有最低总时间的无人驾驶飞行器轨迹,包括飞行和充电时间。提议采用流动数学编程方式,为联合优化飞行和再充电时间提供最佳的优化。此外,为了打击空间的诅咒,建议采用两步法,首先确定无人驾驶飞行器悬浮位置,并启动可行的轨迹设计,在能源限制(TSPE)问题下解决流动销售人员问题。第二步是,通过优化飞行速度、传输动力和悬浮位置联合优化,使每个子卫星的消耗时间最小化。数字结果显示,拟议方法超越了艺术技术的状态,并高效地缩短了总时间。

0
下载
关闭预览

相关内容

Explanation:无线网。 Publisher:Springer。 SIT: http://dblp.uni-trier.de/db/journals/winet/
MIT新书《强化学习与最优控制》
专知会员服务
276+阅读 · 2019年10月9日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年6月16日
Arxiv
7+阅读 · 2020年6月29日
VIP会员
相关VIP内容
MIT新书《强化学习与最优控制》
专知会员服务
276+阅读 · 2019年10月9日
相关资讯
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员