空地网络资源分配与无人机基站动态部署算法

为解决空地网络中地面设备数量变化引起的用户体验质量无法满足的问题，提出了一种智能网络资源分配与多无人机基站动态部署方案。首先，考虑用户体验质量和无人机、地面设备能量约束，以最小化系统总能耗为目标进行问题建模；其次，将多无人机的动态部署问题转化成具有连续动作集的马尔可夫决策过程，并根据优化目标设计了基于能耗惩罚的奖励函数；然后，采用基于确定性策略梯度的深度强化学习算法求解此问题；最后，通过仿真和对比实验验证所提方案的有效性和优越性。实验结果表明：对于海量用户场景，所提算法比深度强化学习和演员-评论家算法有更好的收敛性和更高的累积奖励，与单无人机和传统地面基站部署方案相比，所提方案系统的能耗降低约30%～40%,用户服务质量满意度提升约50%～60%。