基于数字孪生的无人机辅助海上边缘计算任务卸载(英文)

• 全文链接
• 请求原文

作   者：

邹浩正;  张文倩;  易雨菡;  张光林; 

作者机构：

东华大学信息科学与技术学院; 

关键词：

数字孪生;  资源管理;  海上移动边缘计算;  深度强化学习;  无人机;  任务卸载; 

期刊名称：

东华大学学报(英文版)

i s s n：

1672-5220

年卷期：

2024 年 41 卷 006 期

页   码：

644-653

摘   要：

随着海事活动的增长，计算复杂的应用程序的数量呈指数级增长。移动边缘计算(mobile edge computing, MEC)被广泛认为是一种解决海上环境中对无线通信和计算密集型操作巨大需求问题的可行选择。为了减少终端计算负载并满足移动终端对高带宽、低延迟和多址的需求，目前业界已经提出并广泛探索了无人机辅助的边缘计算系统。该文采用海上边缘计算网络，使用由数字孪生(digital twin, DT)支持的顶层飞行无人机(top-unmanned aerial vehicle, T-UAV)完成任务卸载。重点研究了T-UAV的飞行轨迹和资源分配策略，旨在探索边缘服务器所采用的任务卸载策略，在确保T-UAV的能量足以提供服务的前提下最大限度地降低延迟成本。为了实现这一目标，将联合优化问题描述为马尔可夫决策过程(Markov decision process, MDP),提出了一项基于优先级的深度强化学习算法(priority-based reinforcement learning algorithm for computation offloading and trajectory planning, PRL-COTP)用于完成计算任务卸载和无人机轨迹规划。仿真结果表明，与其他基准算法相比，所提方法可以显著降低系统的总体成本。