近日，物联网领域国际顶级期刊《IEEE Internet of Things Journal》（一区Top，IF：10.238）报道了人工智能学院协同控制团队在空地协同优化控制方向的研究进展，相关成果以“QoE-Driven Adaptive Deployment Strategy of Multi-UAV Networks Based on Hybrid Deep Reinforcement Learning”为题公开发表，已被Web of Science数据库收录。

论文提出基于QoE驱动的多无人机自适应部署策略，针对动态环境下的无人机协同组网，建立地面用户与多无人机之间的移动模型，采用混合式深度强化学习算法，通过集中式训练和分布式测试，获取全局状态信息并进行离线训练，从而实现一个完全分布式的无人机自适应控制策略。

空地协同部署系统架构图

论文考虑了多架无人机为地面移动用户提供应急通信服务，同时保证能量消耗、最大的QoS性能、连通性和无碰撞，提出了一种新型的基于混合深度强化学习的无人机自适应部署策略。该研究采用一种融合CNN、优先回放缓冲区和遗传算法的新型神经网络模型来控制无人机，大量验证结果表明，该方法在收敛速度、QoE性能、能耗和平均吞吐量等方面都具有较好的有效性和鲁棒性。

自适应混合深度强化学习策略

河南大学人工智能学院为该论文的第一单位，协同控制团队周毅教授为第一作者，西安电子科技大学承楠教授为通讯作者。该研究工作为河南大学、西安电子科技大学、加拿大女王大学共同开展的国际合作研究成果，受到国家自然科学基金面上项目、国际科技合作项目等课题的资助。

论文链接：https://ieeexplore.ieee.org/document/9380420