摘要
随着物联网（InternetofThings,IoT）技术的快速发展和广泛应用，海量数据接入、并发设备连接以及对实时性等有更高要求的新兴应用给现有的移动通信网络带来了严峻挑战。移动边缘计算（MobileEdgeComputing,MEC）将资源下沉到网络边缘，靠近用户，可以增强终端处理能力，降低任务处理时延。然而，传统的MEC受限于固定部署，在一些特殊应用场景存在局限性，搭载边缘服务器的无人机（UnmannedAerialVehicle,UAV）可作为移动通信平台应对这些挑战。UAV的机载资源有限，对其合理分配具有重要意义。本文研究无人机辅助移动边缘计算系统的资源分配与卸载决策，主要内容和研究成果如下： 1）支持缓存的无人机辅助MEC系统资源分配与卸载决策研究。以通信、计算和缓存资源为约束条件，建立最小化系统成本（时延和能耗加权和）的联合资源分配优化模型，采用分步思想求解该非凸优化问题。将原问题分解为两个子问题，分别采用基于交替迭代的联合优化算法和分支定界法求解，进而获得最终的资源分配方案和卸载决策。仿真结果表明，本文提出的联合资源分配方案产生的系统成本低于全部卸载和全部本地计算所产生的系统成本。此外，加入缓存机制后，在无人机不同缓存空间下，系统成本均有明显降低。 2）D2D协作的无人机辅助MEC系统资源分配与卸载决策研究。针对搭载有边缘服务器的单无人机覆盖场景，提出UAV卸载和D2D卸载两种卸载机制共存的策略。为确保时延敏感型设备之间的公平性，建立最小化设备最大任务处理时间优化模型，采用基于拉格朗日乘子法的交替迭代算法获得卸载决策、功率分配和无人机计算资源分配次优方案。然后，考虑到无人机机载资源有限，引入设备任务卸载的优先级，即设备优先利用自身和邻近设备的空闲资源，以最小化无人机计算资源为目标建立卸载决策和功率分配的联合优化模型，基于KKT条件进行理论分析，导出了设备计算任务数据量与最优资源分配的关系。仿真结果表明，本文提出的D2D协作方案对于降低计算任务处理时间和节约无人机计算资源都是有效的。
NETL