.png){kind=icon}
返回
Robust Task Offloading and Trajectory Optimization for UAV-Mounted Mobile Edge Computing
.png){kind=icon}
OA
AI
DOI：10.3390/drones8120757.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
部署在无人机 (uav) 中的移动边缘计算 (MEC) 通过增强计算能力并延长地面用户设备 (UE) 的电池寿命而显示出特殊的优势。然而，当前的研究缺乏使用地面随机信道的鲁棒卸载方案调度和轨迹规划的研究。用于安装在无人机上的MEC的最先进的联合任务卸载和轨迹规划优化技术集中在仅存在空地信道而不是时变地面信道的场景。相比之下，本文考虑了同时出现时变/随机地面信道和视距空地信道的情况。针对节能无人机辅助MEC的鲁棒资源调度，我们制定了一种新颖的无人机轨迹规划和任务卸载联合优化方法，但该方法具有高度非凸性。作为对策，原始优化被重铸为与任务卸载和轨迹规划相关的子问题，并通过结合加权最小均方误差，S过程，逐次凸逼近等方法的新型鲁棒迭代优化算法进行求解。数值结果表明，与各种基线相比，该算法在存在大量输入任务的情况下可以有效降低能耗并优化轨迹。此外，在稳定性和有效性方面，与非鲁棒方案相比，所提出的鲁棒迭代优化算法可以在时变/随机信道中更稳定地降低能耗。
Keyword:
UAV
mobile edge computing
trajectory optimization
resource scheduling
robust optimization
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
暂无机构信息
引用论文
Energy-Efficient Collaborative Multi-Access Edge Computing via Deep Reinforcement Learning通过深度强化学习实现高能效的协作式多访问边缘计算
.png){kind=icon}
PREAI
分享收藏Grain boundary dislocations and the mechanism of sliding in symmetrical [011] tilt Al bicrystals晶界位错以及对称[011]倾斜Al双晶中的滑移机制
PREAI
分享收藏Surgical approach and orthodontic treatment of mandibular condylar osteochondroma下颌髁突骨软骨瘤的手术入路及正畸治疗OAAI
OAAI分享收藏
查看更多内容