شبکه های یکپارچه ی فضا-هوا-زمین (SAGIN) به عنوان بخشی جدایی ناپذیر از شبکه های اینترنت اشیاء از راه دور (IoRT) مطرح می شوند. با افزایش شدید تقاضا و محدودیت منابع طیف، SAGIN با رله های هوایی تک آنتنه در پاسخ گویی به نیاز ظرفیت بالا و نرخ داده ی زیاد با چالش مواجه اند. از این رو، این پژوهش با تمرکز بر صرفه جویی انرژی پهپادها، در دو گام اساسی، معماری ها و طرح های بهینه سازی جدیدی را برای شبکه های چندلایه ی چندپهپادی چندآنتنه ارائه می دهد.
در گام نخست، شبکه ای سه لایه شامل رله های پهپادی (UAV) چندآنتنه مدل سازی می شود که در آن تنها برخی از پهپادها به عنوان دروازه برای انتقال داده ها به ماهواره انتخاب می شوند. برای پیوندهای هوایی از فرکانس رادیویی (RF) و برای پیوندهای فضایی از تکنولوژی فضای آزاد نوری (FSO) استفاده می شود. به منظور کاهش مصرف انرژی و محدودسازی تعداد دروازه ها، مسئله ی بهینه سازی توأم برای انتخاب دروازه ، تخصیص کانال، مکان یابی و توان پهپادها فرموله می شود. این مسئله ی غیرمحدب با رویکردی دو مرحله ای حل می شود: در مرحله اول از خوشه بندی PSO-K-means مقید به اندازه و در مرحله دوم از الگوریتم بازپخت شبیه سازی شده (SA) و تقریب محدب متوالی (SCA) بهره گرفته می شود. در نهایت، اثربخشی طرح پیشنهادی توسط نتایج شبیه سازی نشان داده می شود. تعداد دروازه های مورد نیاز برای سناریوهای مختلف تعیین می شود و تفاوت عملکرد بین در نظر گرفتن کل توان مصرفی پهپادها (شامل توان ارسالی پهپادها و توان مصرفی مربوط به مدارات داخلی) یا تنها توان ارسالی پهپادها نشان داده می شود. لازم به ذکر است که با پیاده سازی الگوریتم SA برای بهینه سازی توأم توان ارسالی پهپادها، انتخاب دروازه ها و تخصیص کانال پهپادها به دروازه ها، طرح پیشنهادی ما در مقایسه با حالتی که فقط خوشه بندی انجام می شود، به بهبود عملکرد متوسط 44 دست می یابد. علاوه بر این، شبیه سازی برای مقایسه ی روش خوشه بندی پیشنهادی ما با سایر روش های خوشه بندی انجام می شود که نشانگر عملکرد مطلوب روش پیشنهادی ما است. نتایج همچنین تأثیر تعداد پهپادها و تعداد آنتن های آن ها را بر عملکرد سیستم نشان می دهد و مشاهده می شود افزایش تعداد پهپادها و تعداد آنتن های آن ها منجر به افزایش مجموع نرخ داده ی قابل دستیابی سیستم می شود.
در گام دوم، با هدف بهینه سازی مسیر پروازی پهپادها در طول زمان و نزدیک تر شدن به پیاده سازی عملی شبکه، مدل سیستم توسعه می یابد. یکی از یافته های مهم بخش نخست آن بود که در شرایطی که هیچ محدودیتی برای انتخاب دروازه های ارتباطی در نظر گرفته نمی شود، به دلیل مصرف انرژی کمتر در پیوندهای FSO نسبت به پیوندهای RF، پهپادها تمایل دارند همگی به عنوان دروازه های انتقال داده عمل کنند. هرچند این انتخاب از دیدگاه نظری به صرفه به نظر می رسد، اما در عمل با محدودیت های انرژی و پایداری پرواز مواجه است. بر این اساس، در گام دوم با ادغام پهپادها و سکوهای ارتفاع بالا (HAP)، مدل شبکه ی توسعه یافته ای ارائه می شود که ضمن برطرف سازی محدودیت های عملی، پایداری شبکه را افزایش می دهد. در این ساختار، پهپادها وظیفه ی جمع آوری داده های محلی را بر عهده داشته و HAP به عنوان دروازه ی اصلی ارتباط با ماهواره عمل می کند. مسئله ی جدیدی از بهینه سازی مسیر و سرعت پهپادها برای کمینه سازی انرژی در نظر گرفته می شود که با استفاده از الگوریتم یادگیری تقویتی چندعامله ی عمیق MADDPG حل می شود تا پهپادها بتوانند در محیط های متغیر و پویا، به صورت هوشمند و بلادرنگ مسیرهای بهینه ی خود را بیاموزند. نتایج شبیه سازی ها نشان می دهد که روش پیشنهادی توانسته است انرژی مصرفی پهپادها را 23 نسبت به حالت پهپادهای شناور و 6 نسبت به روش DQN کاهش دهد.