.png){kind=icon}
返回
Proactive handover for task offloading in UAVs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comcom.2025.108282.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人机（UAVs）通常与物联网（IoT）设备一起部署在智能城市应用中，特别是在需要持续服务的灾难管理等关键任务中。UAVs通常通过卸载处理资源密集型和敏感任务，但由于无人机掉线导致的意外任务中断可能引发安全风险并增加成本。尽管现有文献中的方法已经解决了主动切换以减轻此类中断，但它们主要关注由无人机运动引发的通信问题，无法处理与卸载相关的问题。在本文中，除了通信外，我们在模型中纳入了能源、计算需求以及动态环境条件（如风速和激励）等因素，推动无人机任务卸载和资源分配的综合解决方案。实际上，我们将问题表述为一个马尔可夫博弈，并使用多智能体深度Q网络（MADQN）进行求解。在实验中，我们采用联邦学习场景评估了我们的方法，以说明其在真实分布式应用环境中的有效性，并与多个现有技术基准进行了比较。结果表明，我们的方法在系统效用和成本与掉线率的权衡方面优于其他方法，从而改善了基于UAV-IoT系统的计算和能源资源切换管理。实际上，与次优基准相比，它将掉线率降低了约45%，模型准确度提高了2%，部署成本降低了50%。
期刊
IF:
4.3
论文数:
549
被引数:
1.1W
机构
引用论文
Proactive Handover Decision for UAVs with Deep Reinforcement Learning基于深度强化学习的无人机主动切换决策.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Task Offloading and Trajectory Control for UAV-Assisted Mobile Edge Computing Using Deep Reinforcement Learning基于深度强化学习的无人机辅助移动边缘计算任务卸载和轨迹控制IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Comprehensive survey on reinforcement learning-based task offloading techniques in aerial edge computing空中边缘计算中基于强化学习的任务卸载技术综述INTERNET OF THINGS
INTERNET OF THINGSIF7.6
PREAI
分享收藏Incentivizing task offloading in IoT: A distributed auctions-based DRL approachINTERNET OF THINGS
INTERNET OF THINGSIF7.6
PREAI
分享收藏
查看更多内容