基于图神经网络的无人机网络表征与优化技术OA北大核心CSTPCD

无人机作为低空智联网的重要组成部分,在无线通信领域已经被广泛应用,然而在无人机网络规模和拓扑结构的不断变化时,现有解决方案常常遭遇诸多挑战,如收敛速度缓慢、实时响应能力不足、训练成本高昂以及泛化能力受限等。针对这些问题,本文提出了一种基于图神经网络(Graph neural network,GNN)的无人机网络观测表征和决策方案。研究首先通过图建模方法对无人机与其观测实体之间的关系进行建模,设计了一种基于GNN的表征方案,并利用机器学习算法进行预训练,以适应动态变化的观测空间。针对决策空间的动态特性,进一步提出了一种基于边决策的GNN模型,该模型通过图建模及边权重拟合,以增强对动态决策空间的适应性。此外,通过两个无人机网络案例的研究,本文验证了所提出方案的有效性和先进性,展现了其在实际无人机网络应用中的潜力。