基于蜂窝网络的多无人机能量消耗最优化算法研究

TN92; 在一些复杂时变环境中,地面基站(GBS)可能无法协助处理无人机的计算任务,为此研究了一种基于数字孪生(DT)技术的移动边缘计算(MEC)蜂窝网络.考虑到多无人机效率,引入多只配备MEC服务器的高空气球(HAB)协助,在此基础上提出一个所有无人机能量最小化问题,并给出一种多无人机轨迹优化和资源分配方案.应用双深度Q网络(DDQN)解决多无人机与多HAB之间的关联问题;采用连续凸逼近技术(SCA)和块坐标下降算法(BCD)对多无人机轨迹和计算资源进行联合优化.仿真实验验证了所提算法的可行性和有效性.实验结果表明,所提算法使系统能量消耗降低30％,明显优于对比算法....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 2; pp. 185 - 197
Main Authors 夏景明, 刘玉风, 谈玲
Format Journal Article
LanguageChinese
Published 南京信息工程大学人工智能学院,江苏 南京 210044 25.02.2023
南京信息工程大学江苏省大气环境与装备技术协同创新中心,江苏 南京 210044%南京信息工程大学软件学院,江苏 南京 210044%南京信息工程大学计算机学院、网络空间安全学院,江苏 南京 210044
Subjects
无人机
数字孪生
任务卸载
双深度Q网络
连续凸逼近
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023025

Cover

More Information
Summary:TN92; 在一些复杂时变环境中,地面基站(GBS)可能无法协助处理无人机的计算任务,为此研究了一种基于数字孪生(DT)技术的移动边缘计算(MEC)蜂窝网络.考虑到多无人机效率,引入多只配备MEC服务器的高空气球(HAB)协助,在此基础上提出一个所有无人机能量最小化问题,并给出一种多无人机轨迹优化和资源分配方案.应用双深度Q网络(DDQN)解决多无人机与多HAB之间的关联问题;采用连续凸逼近技术(SCA)和块坐标下降算法(BCD)对多无人机轨迹和计算资源进行联合优化.仿真实验验证了所提算法的可行性和有效性.实验结果表明,所提算法使系统能量消耗降低30％,明显优于对比算法.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023025