Energy-Efficient Flying LoRa Gateways: A Multi-Agent Reinforcement Learning Approach

要約

次世代のモノのインターネット（NG-OIT）ネットワークの急速な発展により、接続されたデバイスの数が増えているため、消費電力が急増しました。
このエネルギー需要の上昇は、リソースの可用性に大きな課題をもたらし、大規模なIoT展開の持続可能性の懸念を引き起こします。
したがって、コミュニケーションネットワーク、特に電力制約のIoTデバイスの効率的なエネルギー利用は、研究の重要な分野になりました。
このホワイトペーパーでは、無人航空機（UAV）に取り付けられたフライングロラゲートウェイ（GWS）を展開して、Lora Endデバイス（EDS）からデータを収集し、中央サーバーに送信しました。
私たちの主な目的は、伝送電力（TP）の共同最適化（SF）、帯域幅（W）、およびED Associationの共同最適化により、ワイヤレスLORAネットワークのグローバルシステムエネルギー効率（EE）を最大化することです。
この挑戦的な問題を解決するために、問題を部分的に観察可能なマルコフ決定プロセス（POMDP）としてモデル化します。各フライングロラGWは、集中トレーニングと分散型実行（MARL）アプローチ（MARL）アプローチを使用して学習エージェントとして機能します（MARL）
CTDE）。
シミュレーション結果は、多因子近位政策最適化（MAPPO）アルゴリズムに基づいて提案された方法が、グローバルシステムEEを大幅に改善し、従来のMARLスキームを上回ることを示しています。

要約(オリジナル)

With the rapid development of next-generation Internet of Things (NG-IoT) networks, the increasing number of connected devices has led to a surge in power consumption. This rise in energy demand poses significant challenges to resource availability and raises sustainability concerns for large-scale IoT deployments. Efficient energy utilization in communication networks, particularly for power-constrained IoT devices, has thus become a critical area of research. In this paper, we deployed flying LoRa gateways (GWs) mounted on unmanned aerial vehicles (UAVs) to collect data from LoRa end devices (EDs) and transmit it to a central server. Our primary objective is to maximize the global system energy efficiency (EE) of wireless LoRa networks by joint optimization of transmission power (TP), spreading factor (SF), bandwidth (W), and ED association. To solve this challenging problem, we model the problem as a partially observable Markov decision process (POMDP), where each flying LoRa GW acts as a learning agent using a cooperative Multi-Agent Reinforcement Learning (MARL) approach under centralized training and decentralized execution (CTDE). Simulation results demonstrate that our proposed method, based on the multi-agent proximal policy optimization (MAPPO) algorithm, significantly improves the global system EE and surpasses the conventional MARL schemes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google