基于深度强化学习的气球-无人机中继节点自适应部署方法.pdfVIP

基于深度强化学习的气球无人机中继节点自适应部署方法1

基于深度强化学习的气球无人机中继节点自适应部署方法

摘要

本文提出了一种基于深度强化学习（DRL）的气球无人机中继节点自适应部署方

法，旨在解决复杂通信环境下动态网络拓扑优化问题。通过结合高空气球（HAP）和

无人机（UAV）的互补优势，构建了三维中继网络架构，并设计了多智能体协同决策模

型。研究采用深度Q网络（DQN）与策略梯度相结合的混合强化学习算法，实现了对

信道状态、节点能耗和业务负载等多维参数的实时感知与响应。仿真实验表明，该方法

相比传统固定部署方案可提升网络吞吐量32.7%，降低端到端时延41.3%，同时延长网

络生命周期28.5%。本成果可为应急通信、偏远地区覆盖等场景提供技术支撑，符合国

家”十四五”数字经济发展规划中关于新型基础设施建设的战略导向。

1引言与背景

1.1研究背景与意义

随着5G/6G通信技术的快速发展，对全域无缝覆盖的需求日益迫切。据工信部

《2023年通信业统计公报》显示，我国仍有约8%的偏远地区存在通信盲区。传统地面

基站建设面临成本高、周期长、地形限制等问题，而气球无人机混合网络架构凭借其灵

活部署、成本可控的优