摘要
近年来，随着互联网和物联网技术的快速发展，终端用户数目以及智能设备数目都大幅增长，随之出现的计算密集型和时延敏感型应用产生了巨大的计算需求，促进了移动边缘计算标准化进程加快。由于用户具有实时移动性和分布不确定性，并且在复杂地形或者有建筑障碍物的情况下，传统的移动边缘计算技术功能受限。由于无人机具有极高的灵活性和适应性，可以实现自组织、自适应的组网技术，满足复杂环境需求，无人机辅助的移动边缘计算网络受到工业界和学术界的关注。当前无人机辅助的移动边缘计算网络研究大多局限于单个无人机，不同于单无人机辅助移动边缘计算网络的有限算力，多无人机协同组网可以极大提升系统性能，从而应对更加复杂的网络环境。因此，如何在用户移动的现实场景下合理地协调多无人机进行任务卸载以及资源分配是当前多无人机辅助的移动边缘计算亟需解决的重要问题。论文主要工作如下： （1）研究了多无人机辅助移动边缘计算系统中任务卸载时延优化问题。首先，提出了静态无人机作为固定基站和动态无人机辅助中继的物理模型，以完成实时移动终端用户的计算任务。其次，构建了以系统总时延为目标的优化问题，对终端用户和静态无人机调度、任务分配、动态无人机轨迹进行联合优化。然后，通过将优化问题建模为马尔可夫决策过程，应用深度确定性策略梯度算法来获得最优策略。最后，仿真结果验证了所提出方案的有效性，不仅可以有效降低系统总时延，同时算法能够快速收敛并取得更好的性能。 （2）研究了多无人机辅助移动边缘计算系统中任务卸载能耗优化问题。首先，提出了三层架构的多无人机辅助的移动边缘计算网络，其中高层无人机作为固定充能点接收和储备太阳能，低空无人机巡航为实时移动的终端用户提供边缘计算服务。其次，构建了基于负载公平的系统总能耗优化问题，对低空无人机的三维轨迹和任务分配进行联合优化。然后，将优化问题建模为马尔可夫博弈过程，应用改进的多代理深度确定性策略梯度算法来获得联合最优策略。最后，仿真结果表明了所提出的方案不仅可以实现系统总能耗最小化，而且能够有效保证每架无人机的负载公平。
NETL