Jul, 2020

基于能源效率的无人机辅助移动边缘计算：资源分配与轨迹优化

PDF
TL;DR本文研究了无人机辅助移动边缘计算，旨在通过联合优化无人机轨迹、用户传输功率和计算负载分配来最大程度地提高能源效率，并且采用分布式和并行问题求解来处理该问题。
unmanned aerial vehiclemobile edge computingcomputation offloadingenergy efficiencydinkelbach algorithm
发现论文，激发创造
  • 基于能量限制的无人机辅助移动边缘计算用户关联及路径规划

    该论文使用无人机作为边缘计算服务器，联合优化用户关联、飞行路径和上传功率，以最大化所有用户的离线数据传输，同时满足无人机的能量约束和用户的服务质量要求。

    Oct, 2019

  • 无人机辅助中继与边缘计算：调度和轨迹优化

    本篇论文主要研究了基于无人机辅助下的移动边缘服务架构，提出了一种交替优化算法可以在非凸的情况下最小化加权和能量消耗并进行计算资源调度、带宽分配和无人机轨迹规划等多个方面的联合优化，数值仿真结果表明了该算法的出色表现。特别是在处理计算密集型任务时，算法的优势更加明显。

    Dec, 2018

  • 无人机辅助移动边缘计算网络中的能量有效资源分配

    针对具有多个无人机的移动边缘计算网络，通过联合优化用户关联、功率控制、计算容量分配和位置规划，解决了和功率最小化相关的问题，并提出了一个低复杂度的算法，通过三个子问题的迭代求解来获得最优解。数值结果表明，所提出的算法比传统方法具有更好的性能。

    Feb, 2019

  • 缓存辅助移动边缘计算的能量高效资源分配

    本篇论文研究了一个多用户缓存辅助移动边缘计算系统中通信、缓存和计算的联合设计，提出了一种联合缓存和卸载机制，以及优化存储资源的能量最小化问题。数值结果表明，所提出的次优解法优于现有比较方案。

    Aug, 2017

  • 多智能体深度强化学习在多无人机辅助移动边缘计算中的轨迹规划应用

    提出一种无人机辅助的移动边缘计算框架，采用多智能体深度强化学习算法来优化无人机的轨迹，同时通过低复杂度方法优化用户设备的卸载决策。该解决方案相较于传统算法在服务用户设备公平性、无人机负载公平性和所有用户设备的能耗上性能表现较好。

    Sep, 2020

  • 基于 Koopman 轨迹模型的 ISAC 启用的物联网系统中的高移动性范式和计算卸载

    移动设备上的用户体验受到有限的电池容量和处理能力的限制，但 6G 技术的进步正在迅速促使移动技术的演进。移动边缘计算（MEC）提供了一种解决方案，将计算密集型任务卸载到边缘云服务器，与本地处理相比减少了电池消耗。即将到来的移动通信的集成感知与通信可能改善轨迹预测和处理延迟。本研究提出了一种贪婪资源分配优化策略，用于多用户网络以最小化聚合能量使用。数值结果显示，每 1000 次迭代，潜在改进可达 33％。解决预测模型划分和速度精确性问题对于获得更好的结果至关重要。为即将到来的工作阶段详述了进一步改进和实现目标的计划。

    Jun, 2024

  • Ready Player One: 基于无人飞行器聚类的车联网 VR/AR 游戏多任务卸载

    本文提出了一种新的无人机群集架构，通过基于人工智能的决策制定，协同优化计算、缓存和通信资源，实现高效的多模式多任务任务卸载，提高了无人机群集的效率，并为计算与通信的融合提供了新的洞见。

    Apr, 2019

  • 分布式多目标动态卸载调度的空地合作 MEC

    无人机协助地面移动边缘计算具有较高能效和减少任务积压的潜力，本文提出了基于多目标动态轨迹规划和卸载调度的分布式方案，集成了多目标强化学习和核方法，结果显示此方法相较于传统方法具有更好的能耗和任务积压表现。

    Mar, 2024

  • 基于无人机互联网的深度学习目标跟踪边缘计算卸载优化

    利用卷积神经网络的视觉跟踪能力配合移动边缘计算，提出了一种新的层次分布式计算框架，将有限的计算资源和能量预算分配到无人机和移动边缘服务器上，以达到更高的推断精度和更低的计算成本。

    Aug, 2020

  • 基于深度学习的混合 MEC 网络联合资源调度算法

    本文旨在提出一种基于深度学习和优化算法的混合式移动边缘计算方案，包含地面站、地面车辆和无人机，通过实时联合优化地面车辆和无人机的位置、用户关联和资源分配，以达到在线减少 UE 设备的能耗。

    Nov, 2019