Feb, 2023

无人机和船只的合作：针对不确定的海上任务的计算卸载

PDF
TL;DR本文提出了一种合作卸载框架，通过船舶和无人机协作来处理海事任务卸载问题，并使用马尔科夫决策过程来最小化总执行时间和能源成本，通过 Lyapunov 优化将长期限制转化为短期限制，并提出了一种基于 Q-learning 的方法来有效地解决短期问题。
maritime networksunmanned aerial vehiclescompute-intensive tasksoffloading frameworkq-learning
发现论文，激发创造
  • 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

  • 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

  • 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

    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。

    Jul, 2020

  • 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

  • 基于学习的数字孪生技术辅助的车联网任务卸载

    本文提出了一种数字孪生（DT）辅助的任务卸载框架，用于移动边缘计算卸载策略的优化，基于预测未来计算任务的学习方案，将卸载调度过程建模为马尔可夫决策过程（MDP），以在延迟、能耗和云租用成本之间平衡，以获得最优卸载策略。

    Dec, 2021

  • 基于深度强化学习的无人机辅助智能农场网络任务卸载

    本篇论文提出了一种基于深度 Q 学习的决策算法，使得使用 UAV 和多接入边缘计算设备的无线网络能够有效地监测农田，通过图像分类来预防火灾或洪水等情况，并且与 Q 学习和三种基线算法相比，本文方法在监测效果和性能方面表现出了可比较的结果，而且能够比 Q 学习更快地达到收敛。

    Sep, 2022

  • 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

  • 基于学习的能量收集 IoT 设备计算卸载

    本文研究无线网络中具备能量收割功能和多个 MEC 设备 (IoT) 的计算卸载，提出了基于强化学习的计算卸载框架，包括基于 Q-learning 的 hotbooting 计算卸载方案和基于 DQN 的快速计算卸载方案，针对不同的 MEC 场景给出了性能界限，并使用模拟结果验证算法效果。

    Dec, 2017

  • 面向延迟的物联网任务调度的深度强化学习在空天地一体化网络中的应用

    本文旨在设计一种任务调度策略，以最小化所有任务的离线和计算延迟，同时满足无人机能源容量约束下的延迟导向物联网服务需求，并考虑到任务到达动态变化的情况，提出了基于风险敏感的强化学习算法来解决能耗风险约束下的决策问题。

    Oct, 2020