Active Sensing for RIS-Aided Tracking and Power Control: A Hybrid Neuroevolution and Supervised Learning Approach
재구성 가능한 지능형 표면(RIS)을 활용한 전력 제한 모바일 사용자의 에너지 효율적 추적 문제를 다루며, 이산 RIS 위상 프로파일의 비미분성과 단일 비트 피드백 제약을 극복하기 위해 뉴로에볼루션(neuroevolution)과 지도학습을 결합한 Dual-Agent(DA) 딥러닝 프레임워크를 제안한다. 제안된 방법은 확장 칼만 필터, 파티클 필터, 머신러닝 기반 추적기 및 심층 강화학습(DRL) 기준선을 능가하는 정확하고 강건한 추적 성능을 달성함을 수치 시뮬레이션으로 입증하였다.