.png){kind=icon}
返回
Energy-Efficient UAV-Driven Multi-Access Edge Computing: A Distributed Many-Agent Perspective
.png){kind=icon}
PRE
AI
DOI：10.1109/TCOMM.2025.3552746.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了节能的无人飞行器 (UAV) 辅助多路访问任务卸载问题。在所研究的系统中，几个uav被部署为边缘服务器，以合作地帮助几个能量有限的计算稀缺的地面用户设备 (ue) 的任务执行。然后制定预期的能量效率最大化问题，以联合优化UAV轨迹、UE本地中央处理单元 (CPU) 时钟速度、uav-ue关联、时隙切片和UE卸载功率。该优化受到实际约束，包括UAV移动性、本地计算能力、混合整数uav-ue配对指标、时隙划分、UE发射功率、UAV计算能力和信息因果关系。为了解决所考虑的多维优化问题，在将原始问题映射到随机 (Markov) 游戏之后，提出并定制了多代理深度强化学习 (MADRL) 设置中的具有模块化网络的双交错扰动演员-评论家 (dspac-mn) 解决方案。分析了时间复杂度和通信开销，并讨论了收敛性能。与代表性基准相比，例如多主体深度确定性策略梯度 (MADDPG) 和多主体双延迟DDPG (MATD3)，所提出的dspac-mn被验证能够实现平均能量效率的最佳性能，同时确保100% 的安全飞行。
Keyword:
Autonomous aerial vehicles
Energy efficiency
Optimization
Trajectory
Servers
Resource management
Processor scheduling
Multi-access edge computing
Costs
Training
Multi-access edge computing (MEC)
uncrewed aerial vehicle (UAV)
multi-agent deep reinforcement learning (MADRL)
energy efficiency maximization
path planning
期刊
IF:
8.3
论文数:
1.2W
被引数:
3.6W
机构
引用论文
Online Edge Learning Offloading and Resource Management for UAV-Assisted MEC Secure Communications
.png){kind=icon}
PREAI
分享收藏Energy Efficient Resource Allocation in UAV-Enabled Mobile Edge Computing Networks支持无人机的移动边缘计算网络中的节能资源分配
OAAI
OAAI分享收藏Energy and Latency Efficient Joint Communication and Computation Optimization in a Multi-UAV-Assisted MEC Network多无人机辅助MEC网络中能量和延迟有效的联合通信和计算优化
PREAI
分享收藏Edge Computing in Industrial Internet of Things: Architecture, Advances and Challenges工业物联网中的边缘计算: 架构、进展与挑战
PREAI
分享收藏分享收藏On Multi-Access Edge Computing: A Survey of the Emerging 5G Network Edge Cloud Architecture and Orchestration多接入边缘计算: 新兴5g网络边缘云架构与编排综述OAAI
OAAI分享收藏
查看更多内容