.png){kind=icon}
返回
Blockchain-Based MIMO AAV-Aided Mobile Edge Computing
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3649700.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于自主飞行器(AAV)辅助移动边缘计算(MEC)与区块链共识算法的方案，是解决大范围服务范围内计算密集型或延迟敏感型任务的移动卸载问题的有前景的解决方案，同时确保卸载的真实性。现有的自主飞行器(AAV)辅助MEC研究主要关注单天线AAV的任务卸载或轨迹规划，忽略了多输入多输出(MIMO)AAV系统。此外，大多数基于区块链的AAV辅助边缘计算研究采用能耗较大的工作量证明(PoW)为基础的共识机制，不适合能量受限的AAV场景。为解决上述问题，本文开发了一种联合截止时间感知的任务卸载和AAV轨迹规划方案，利用通过一种节能共识协议模拟的效果。为防止AAV能量耗尽并确保决策的真实性，我们提出了基于能量的Raft(E-Raft)共识算法，通过一系列递减的能量阈值实现动态领导者选择。随后，我们提出了一个计算利润最大化问题，以联合优化截止时间感知的任务卸载和AAV群体的轨迹规划。为解决这一NP难问题，我们开发了一种在线基于优先级的任务卸载和轨迹选择算法，该算法由E-Raft共识中每轮选定的领导者执行。仿真结果表明，我们提出的方案相比其他方法性能提升高达40%。
Keyword:
Mobile edge computing
AAV
blockchain
task offloading
trajectory planning
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
Joint Task Offloading, Resource Allocation, and Trajectory Design for Multi-UAV Cooperative Edge Computing With Task Priority具有任务优先级的多无人机协同边缘计算联合任务卸载、资源分配与轨迹设计
OAAI
OAAI分享收藏Task Offloading and Trajectory Optimization for Secure Communications in Dynamic User Multi-UAV MEC Systems动态用户多无人机MEC系统中安全通信的任务卸载和轨迹优化
PREAI
分享收藏DRL-Based Trajectory Optimization and Computation-Aware Resource Allocation for UAV-Assisted Edge Computing Networks基于深度强化学习的轨迹优化及计算感知的资源分配方法，用于无人机辅助的边缘计算网络
PREAI
分享收藏Ensemble learning based predictive framework for virtual machine resource request prediction.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Joint computation offloading and task caching for multi-user and multi-task MEC systems: reinforcement learning-based algorithms多用户多任务MEC系统的联合计算卸载和任务缓存: 基于强化学习的算法
PREAI
分享收藏
查看更多内容