基于深度强化学习的双层无人机边缘卸载策略
移动边缘计算(mobile edge computing,MEC)己逐渐成为有效缓解数据过载问题的手段,而在高人流密集的场景中,固定在基站上的边缘服务器可能会因网络过载而无法提供有效的服务.考虑到时延敏感型的通信需求,双层无人机(unmanned aerial vehicle,UAV)的高机动性和易部署性成为任务计算卸载的理想选择,其中配备计算资源的顶层无人机(top-UAV,T-UAV)可以为抓拍现场画面的底层UAV(bottom-UAV,B-UAV)提供卸载服务.B-UAV搭载拍摄装置,可以选择本地计算或将部分任务卸载给T-UAV进行计算.文中构建了双层UAV辅助的MEC系统模型,并提出 了一种 DDPG-CPER(deep deterministic policy gradient offloading algorithm based on composite prioritized experience replay)新型计算卸载算法.该算法综合考虑了决策变量的连续性以及在T-UAV资源调度和机动性等约束条件下优化了任务执行时延,提高了处理效率和响应速度,以保证现场观众对比赛的实时观看体验.仿真实验结果表明,所提算法表现出了比DDPG等基线算法更快的收敛速度,能够显著降低处理延迟.
物联网、移动边缘计算、深度强化学习、无人机、计算卸载
32
TP391;TP181;TP242
陕西省科技厅区域创新能力引导计划;西安市碑林区科技计划
2023-11-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
267-275