移动边缘计算中无人机三维轨迹和计算卸载的联合优化策略研究.pdfVIP

业控制计算机曳园4年第猿7卷第5期93

移动边缘计算中无人机三维轨迹和计算卸载的联合优化策略研究鄢

ResearchonJointOptimizationStrategyofUAV3DTrajectory

andComputationUnloadinginMobileEdgeComputing

彭振春王涛刘含朱耀辉雷文静渊上海大学通信与信息工程学院袁上海200444冤

摘要院无人机辅助的移动边缘计算逐渐成为新一代移动通信网络的研究热点遥针对联合无人机三维轨迹和卸载策略优

化的路径规划问题行研究袁通过联合优化无人机3D飞行动作和用户卸载方式考虑无人机能效最大化遥仿真实验表明袁与

其他基准算法相比袁提出的基于深度强化学习的联合无人机三维轨迹和卸载策略优化的路径规划算法渊DRL-PPO3DTUO冤

收敛更快袁能获取显著性能增益遥

关键词院深度强化学习曰移动边缘计算曰无人机曰路径规划

Abstract:Mobileedgecomputingassistedbyunmannedaerialvehicleshasgraduallybecomearesearchhotspotfor

futuremobilecommunicationnetworks.TheUAVcoverageismaximizedbyjointlyoptimizingUAV3Dflightactionanduser

unloadingmode.Inthispaper,deepreinforcementlearningbasedonpathplanningalgorithmfortheoptimizationofjoint

UAVthree-dimensionaltrajectoryandoffloadingstrategybasedonisproposedconvergesfasterandspeedofsolving

higherthanotherbenchmarkalgorithms.Significantperformancecanbeobtained.

Keywords:deepreinforcementlearning,mobileedgecomputing,UAV,drones,pathplanning

近年来袁无人机辅助的移动边缘计算成为边缘计算研究的

咱1暂

一个重要分支遥从事无人机学的科研人员将单个无人机视作

一个能独立执行特定任务的智能体袁并把这种无人机系统称为

咱2暂

智能体无人机系统遥

当前无人机移动边缘计算已成为学术界关注的焦点袁其中

路径规划研究是核心袁它是无人机进行计算卸载尧资源分配尧功

率分配的基础遥最近袁强化学习渊ReinforcementLearning袁RL冤

方法备受关注遥基于RL路径规划方法既具备了规划时间与路

咱猿原远暂

线质量的折衷袁又有较好的鲁棒性及动态环境适应性遥

文献咱7暂提出了一种基于强化学习的路径规划方法袁并引入

了基于目标距离的奖励函数遥智能体离目标区域越近袁奖励就越

大遥文献咱愿暂提出了一种基于探索策略的强化学习算法袁为了求

解复杂障碍环境下路径规划遥文献咱怨暂针对避障路径规划中存在

的问题袁提出一种强化学习规划方法遥

图1网络模型图

在给用户提供服务的环境中袁由于3D飞行的设置袁可活动

的飞行空间范围更大袁