智能无人机轨迹与任务卸载联合优化

摘要：

移动边缘计算(MEC)是云计算技术在边缘基础设施之上的应用拓展.考虑一个高能效的无人机移动边缘计算系统,通过联合优化无人机的运动轨迹、任务卸载策略和计算资源分配来最小化系统的能耗.为解决以上问题,提出一种双层优化方法,在上层用基于无监督学习的信道增益-自组织特征映射网络(h-SOM)对用户进行实时聚类,该聚类是以信道增益作为判断类别的指标并得到无人机的最佳部署位置;在下层根据无人机的部署,将计算卸载和计算资源分配问题转化为混合整数非线性规划问题(MINLP),并采用带有精英初始策略和自适应双变异策略的改进差分进化算法(IDE)进行迭代求解,精英初始策略可以根据h-SOM的聚类结果提供优秀的初始解,自适应双变异策略能够提高算法的全局搜索能力并促进算法收敛,从而获得更好的任务卸载决策.通过仿真实验验证了所提方法的有效性,并与传统算法进行了比较,其优化效果显著,为MEC系统的联合优化提供了一种新思路.

关键词：移动边缘计算、h-SOM神经网络、改进差分进化(IDE)算法、双变异策略

所属期刊栏目：56

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金No.41604117.No.41904127

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：38-46