Task offloading optimization in multi-UAV-enabled MEC networks with ground interference

doi:10.1016/j.comcom.2026.108661

Task offloading optimization in multi-UAV-enabled MEC networks with ground interference

2026-09-03

0

OA

AI

DOI：10.1016/j.comcom.2026.108661

原文链接

原文求助

摘要

En 中文

多无人机（UAV）赋能的移动边缘计算（MEC）已成为为6G赋能的物联网（IoT）提供低延迟服务的一种有前景的解决方案。然而，多无人机网络中的联合轨迹规划和资源分配面临重大挑战，这是由于动态地面干扰源（GIS）、高维动作空间以及无人机和地面终端（GT）的严格能量约束。在本文中，我们提出了一种新颖的协同优化框架，命名为干扰感知K-means和多智能体软演员-评论家（IAKMSAC），以最大化系统的任务完成率同时最小化能量消耗。具体而言，我们首先构建了一个多无人机MEC系统模型，融入了非正交多址接入（NOMA）和显式GIS约束。为解决该问题的非凸性和耦合性，设计了一种两阶段分层算法。在第一阶段，采用干扰感知K-means算法进行周期性用户关联，有效减少簇间干扰并压缩状态-动作空间。在第二阶段，我们开发了一个带有共享经验回放缓冲区的多智能体软演员-评论家框架，以优化连续动作空间中的无人机轨迹和卸载策略。此外，设计了一种复合奖励函数来平衡系统能量和任务完成率。仿真结果表明，所提出的IAKMSAC算法实现了更快的收敛速度和更高的任务完成率，特别是在能量受限场景中，验证了其在复杂、真实物联网环境中的有效性。

Keyword:

Multi-access edge computing

Unmanned aerial vehicle

Ground interference source

Trajectory optimization

Interference-aware K-means and multi-agent soft actor-critic

Task offloading optimization in multi-UAV-enabled MEC networks with ground interference

摘要

期刊

机构