实验室对多无人机辅助通信系统中无人机的优化部署问题取得了研究进展。相关研究成果以题为“Joint Optimization of Multi-UAV Deployment and User Association Via Deep Reinforcement Learning for Long-Term Communication Coverage”的论文于2024年5月被《IEEE Transactions on Instrumentation and Measurement》录用（IF=5.6）。

无人机的灵活部署、适应性强等优势在改善通信质量、扩大通信网络覆盖等方面具有重要意义。由于通信环境复杂且时变，为了保证无人机辅助通信系统的可靠运行，多无人机的动态部署具有挑战性。

针对这一挑战，这项工作基于深度强化学习提出了一种多无人机连续运动控制算法；该算法将无人机部署与用户关联问题表述成一个分布式的部分可观测马尔可夫决策过程。其次，设计了一个奖励函数来共同优化地面用户的公平通信和最大化系统总吞吐量。最后，大量的仿真结果表明：这项工作所提出的方法在用户关联总数、公平指数以及系统总吞吐量等指标都表现出较大优势，可广泛应用于如下图所示的改善通信质量、扩大通信网络范围等多种无人机辅助通信场景。

论文信息：X. Cheng, R. Jiang, H. Sang, G. Li and B. He, " Joint Optimization of Multi-UAV Deployment and User Association Via Deep Reinforcement Learning for Long-Term Communication Coverage," in IEEE Transactions on Instrumentation and Measurement.