Adaptive multi-objective cooperative optimization algorithm for ground-air collaborative mobile edge intelligence offloading

Yanling Shao

doi:10.1016/j.vehcom.2026.101044

Adaptive multi-objective cooperative optimization algorithm for ground-air collaborative mobile edge intelligence offloading

2026-05-01

0

PRE

AI

DOI：10.1016/j.vehcom.2026.101044

原文链接

原文求助

摘要

En 中文

单无人机（UAVs）在复杂任务场景中的效能很大程度上受限于其计算资源和电池续航能力的约束。地面-空中协作系统因此应运而生，成为缓解这些限制的关键解决方案。然而，现有的基于深度强化学习（DRL）的地面-空中协作计算卸载方法主要关注单目标优化，难以同时满足动态任务需求和变化的资源状态，且缺乏有效的多目标协同优化能力。为解决此问题，本研究提出了一种层次化多目标深度强化学习（HMODRL）算法，用于计算卸载和任务调度的联合优化。HMODRL采用两层框架：底层采用Transformer增强的多目标双延迟深度确定性策略梯度（TMO-TD3）算法，通过动态调整目标权重构建近似帕累托前沿，从而直观呈现多目标间的权衡关系；上层利用深度情境赌博机（DCB）算法感知实时环境状态，并自适应预测和调整底层目标权重，实现对执行多样化任务的不同UAV的动态优化。仿真结果表明，HMODRL在整体优化性能上显著优于基准算法。此外，所提出的自适应权重机制显著增强了系统对动态环境变化和多样化任务需求的适应性，将无人机任务完成率提高了23.6%。

Keyword:

Computation offloading

Task scheduling

Ground-air collaborative

Deep reinforcement learning

Multi-objective optimization

Adaptive multi-objective cooperative optimization algorithm for ground-air collaborative mobile edge intelligence offloading

摘要

期刊

机构

引用论文