基于DRL的无人机搭载RIS吞吐量优化

Research Paper#Wireless Communication, Reinforcement Learning, UAV, RIS🔬 Research|分析: 2026年1月3日 08:42
发布: 2025年12月31日 10:36
1分で読める
ArXiv

分析

本文解决了无线通信中的一个实际问题:在无人机搭载的可重构智能表面(RIS)系统中优化吞吐量,同时考虑了无人机抖动和不完美的信道状态信息(CSI)等实际障碍。深度强化学习(DRL)的使用是一项关键创新,它提供了一种无模型方法来解决复杂、随机和非凸的优化问题。本文的重要性在于它有可能在具有挑战性的环境中提高UAV-RIS系统的性能,同时也展示了基于DRL的解决方案与传统优化方法相比的效率。
引用 / 来源
查看原文
"The proposed DRL controllers achieve online inference times of 0.6 ms per decision versus roughly 370-550 ms for AO-WMMSE solvers."
A
ArXiv2025年12月31日 10:36
* 根据版权法第32条进行合法引用。