| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-06-17 11:15 遺伝的アルゴリズムに基づくマルチエージェント強化学習を用いたUAV中継ネットワーク配置最適化 ○徐 文博・中里 仁（東京理科大）・宗 秀哉（工学院大）・長谷川幹雄（東京理科大）  RCS2026-33 |
|
| 抄録 | （和） | 近年，大規模災害において地上通信インフラの損傷により，無人航空機（UAV: Unmanned Aerial Vehicle）を中継ノードとして活用した臨時通信ネットワークが注目されている． 複数UAVの協調制御にはマルチエージェント強化学習（MARL: Multi-Agent Reinforcement Learning）が用いられてきたが，2つのランドマークが基地局から見て角度的に近接するシナリオでは局所最適解に陥り，安定した中継リレーを形成できない課題があった．そこで本研究では，遺伝的アルゴリズム（GA: Genetic Algorithm）による初期配置探索とハンガリアン法に基づくターゲット割り当てを組み込んだGA-MAPPOフレームワークを提案する．30°の角度近接シナリオにおける13機のUAVを用いたシミュレーションでは，従来手法では達成できなかった2つのランドマークへの同時到達を実現し，収束速度および最終報酬の両面で従来手法を上回ることを確認する． |
| （英） | In recent years, temporary communication networks utilizing unmanned aerial vehicles (UAVs) as relay nodes have garnered significant attention owing to damage to ground-based communication infrastructure during large-scale disasters. Although multi-agent reinforcement learning (MARL) has been used for the cooperative control of multiple UAVs, there is an issue in scenarios where two landmarks are angularly close to the base station; the system falls into local optima and cannot form a stable relay chain. Therefore, in this study, we propose the GA-MAPPO framework, which incorporates initial placement search using a genetic algorithm (GA) for initial placement exploration and target assignment, based on the Hungarian algorithm. In simulations using 13 UAVs in a 30° angular proximity scenario, the system achieved simultaneous arrival at two landmarks—a feat unattainable with conventional methods—and confirmed that it outperforms conventional methods in terms of both convergence speed and final reward. |
|
| キーワード | （和） | UAV / マルチエージェント強化学習 / 自律制御 / 遺伝的アルゴリズム / / / / |
| （英） | UAV / multi-agent reinforcement learning (MARL) / autonomous control / genetic algorithm (GA) / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 72, RCS2026-33, pp. 47-52, 2026年6月. | |
| 資料番号 | RCS2026-33 | |
| 発行日 | 2026-06-10 (RCS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | RCS2026-33 |
|
| 研究会情報 | |
| 研究会 | RCS |
| 開催期間 | 2026-06-17 - 2026-06-19 |
| 開催地（和） | 大濱信泉記念館 |
| 開催地（英） | The Ohama Nobumoto Memorial Hall |
| テーマ（和） | 初めての研究会，リソース制御，スケジューリング，無線通信一般 |
| テーマ（英） | First Presentation in IEICE Technical Committee, Resource Control, Scheduling, Wireless Communications, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | RCS |
| 会議コード | 2026-06-RCS |
| 本文の言語 | 日本語 |
| タイトル（和） | 遺伝的アルゴリズムに基づくマルチエージェント強化学習を用いたUAV中継ネットワーク配置最適化 |
| サブタイトル（和） | |
| タイトル（英） | GA-Guided Multi-Agent Reinforcement Learning for UAV Relay Network Deployment Optimization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | UAV / UAV |
| キーワード(2)（和/英） | マルチエージェント強化学習 / multi-agent reinforcement learning (MARL) |
| キーワード(3)（和/英） | 自律制御 / autonomous control |
| キーワード(4)（和/英） | 遺伝的アルゴリズム / genetic algorithm (GA) |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 徐 文博 / Wenbo Xu / ジョ フミヒロ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第2著者 氏名（和/英/ヨミ） | 中里 仁 / Jin Nakazato / ナカザト ジン |
| 第2著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 第3著者 氏名（和/英/ヨミ） | 宗 秀哉 / Hideya So / ソ ヒデヤ |
| 第3著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 長谷川 幹雄 / Mikio Hasegawa / ハセガワ ミキオ |
| 第4著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo Univ. of Science) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-17 11:15:00 |
| 発表時間 | 10分 |
| 申込先研究会 | RCS |
| 資料番号 | RCS2026-33 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.72 |
| ページ範囲 | pp.47-52 |
| ページ数 | 6 |
| 発行日 | 2026-06-10 (RCS) |
[研究会発表申込システムのトップページに戻る]