基于DRL的无人机辅助边缘计算服务质量优化

摘要：

针对无人机(Unmanned Aerial Vehicle,UAV)搭载移动边缘服务器为地面用户进行服务时的服务质量(Quality of Service,QoS)问题,提出了一种基于深度强化学习的优化方案,旨在优化UAV飞行轨迹和卸载方案以最大化UAV为用户服务时的QoS.首先,定义了任务延迟来表征任务新鲜度,在任务延迟的基础上提出了一种新的QoS评价指标;其次,将最大化QoS问题建模为一个无转移概率的马尔可夫决策过程,并定义了该过程的状态空间、动作空间和奖励函数;最后,UAV通过所提出的算法进行训练,优化任务卸载方案并寻找最优飞行轨迹为地面用户进行服务以提高QoS.仿真结果表明所提算法较于其他算法能有效提高UAV为地面用户服务过程中的QoS且提高任务新鲜度.

关键词：无人机、边缘计算、深度强化学习、轨迹、服务质量

所属期刊栏目：38

分类号：TN929.5

资助基金：国家自然科学基金61861039

在线出版日期：2022-08-12（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：1316-1324