Quantum-Inspired Learning Methods for Rate-Efficient Multi-UAV in Low-Altitude Wireless Networks. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (KFUPM_Thesis_desertation_Khaled_khaoula) KFUPM_Thesis_desertation_Khaled_khaoula.pdf - Accepted Version Restricted to Repository staff only until 21 May 2027. Download (1MB)

Arabic Abstract

ي ُقدم دمج شبكات الطائرات المسيرة المتعددة )Multi-UAV( في البنية التحتية اللاسلكية حلا ً تحوليا ً لتوفير اتصال عالي السعة وحسب الطلب. ومع ذلك، تواجه هذه الأ نظمة تحديا ً حرجا ً يتمثل في "لعنة الأ بعاد" عند تحسين المسارات؛ حيث تؤدي بيئات العمل محدودة التداخل ومساحات البحث الهائلة إلى جعل التنسيق اللحظي مستعصيا ً من الناحية الحسابية. ومع صعود الاتصالات المدعومة بالطائرات المسيرة كجزء أصيل من بنية الجيل السادس )6G( وما بعد الجيل الخامس ،)B5G( يظل هذا التعقيد عائقا ًجوهريا ً أمام تحقيق السعة القصوى للشبكة. ولمعالجة هذه الإشكالية، نقترح إطار عمل "تكثيف الرسوم البيانية بالتلدين الكمي المعتمد على معدل البيانات" ،)RA-QAGC( وهو منهجية مبتكرة ثنائية المراحل صُ ممت للفصل بين تعقيد حيز الحالة العالمي State-Space) (Global وعملية تعلم السياسات المحلية. في المرحلة الأولى، نقدم تقنية لتكثيف الرسوم البيانية مستوحاة من الحوسبة الكمية، تعتمد على "أرضية نفق احتمالية" ودالة تكلفة مدركة لمعدل البيانات؛ حيث تعمل هذه العملية على اختزال حيز البحث المستمر وعالي الأ بعاد إلى مجموعة من النقاط المرجعية )Waypoints( ذات العوائد المرتفعة، مما يساهم في تحديد مواقع الخدمة المثلى التي غالبا ً ما تغفل عنها خوارزميات التجميع الهندسي التقليدية. وفي المرحلة الثانية، ي ُستخدم حيز الحالة المُكثف لتدريب وكلاء لامركزيين عبر خوارزمية التعلم الـ "Q" المستقل ،)IQL( مما ي ُمكّن الطائرات المسيرة من تعلم مسارات تنسيقية مدركة للتداخل، تضمن تعظيم إجمالي معدل البيانات الموزون للشبكة.

English Abstract

The integration of multi-Unmanned Aerial Vehicle (UAV) networks into wireless in frastructure offers a transformative solution for on-demand, high-capacity connectivity. However, these systems face a critical challenge: the ’curse of dimensionality’ in trajectory optimization, where interference-limited environments and massive search spaces make real-time coordination computationally intractable. As UAV-aided communication becomes integral to 6G and beyond-5G infrastructures, this complexity remains a significant barrier to achieving optimal network throughput. To address this, we propose the Rate-Aware Quantum-Annealed Graph Condensation (RA-QAGC) framework, a novel two-stage methodology designed to decouple global state-space complexity from local policy learning. In the first stage, we introduce a quantum-inspired graph condensation technique that utilizes a probabilistic tunneling floor and a rate-aware cost function. This process distills the continuous, high-dimensional search space into a set of high-reward waypoints, identifying optimal service positions that traditional geometric clustering often overlooks. In the second stage, the condensed state-space is used to train decentralized agents via Independent Q-Learning (IQL), enabling UAVs to learn coordinated, interference-aware trajectories that maximize the network’s weighted sum-rate.

Item Type:	Thesis (Masters)
Subjects:	Computer Engineering
Department:	College of Computing and Mathematics > Computer Engineering
Thesis Advisor:	Zeeshan Kaleem Baloch,
Thesis Committee Members:	Ali Nasir, Muhammad Afaq,
Depositing User:	KHAOULA KHALED (g202320330)
Date Deposited:	02 Jun 2026 06:27
Last Modified:	02 Jun 2026 06:27
URI:	https://eprints.kfupm.edu.sa/id/eprint/144441