CN110429973B - 一种无人机与地面基站协同计算卸载及优化方法 - Google Patents
一种无人机与地面基站协同计算卸载及优化方法 Download PDFInfo
- Publication number
- CN110429973B CN110429973B CN201910718683.7A CN201910718683A CN110429973B CN 110429973 B CN110429973 B CN 110429973B CN 201910718683 A CN201910718683 A CN 201910718683A CN 110429973 B CN110429973 B CN 110429973B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- track
- drone
- bit allocation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机与地面基站协同计算卸载及优化方法,根据移动设备的分布情况先拟出一条无人机初始轨迹,并根据实际需求设置误差容忍度;设置迭代参数z;固定无人机运行轨迹,优化带宽的比特分配;固定优化后的带宽与比特分配,优化无人机运行轨迹;将优化后的运行轨迹与前一次的运行轨迹比较,如果在误差容忍度之内,可以得出最优轨迹;否则,将迭代参数加一,并且重复上述步骤。本发明协同计算卸载可以更大程度地利用无人机和地面基站的计算资源,从而降低能耗,利于通信信道的稳定以及对无人机辅助移动边缘计算的推广。
Description
技术领域
本发明属于信息技术领域,特别涉及一种在蜂窝网络中引入无人机辅助边缘的计算及优化方法。
背景技术
在传统的地面蜂窝网络中,边缘的移动设备往往存在信道条件差的问题,无人驾驶飞行器的引入无疑提高通信链路的可靠性。但计算卸载受到移动设备和无人机电池续航的限制,并且综合耗能也相对较高。
现有研究都是基于地面基站与移动设备,或基于无人机与移动设备的通信。前者是将每个地面基站所覆盖区域经行划分,区域中的移动设备将计算任务卸载至基站,由基站经行数据的计算处理,再将结果反馈给移动设备。由于地面基站是一个固定的服务器,覆盖区域也是固定的,然而终端设备往往具有移动性,所以并不能很好的处理移动中的计算任务卸载;而对于后者来说,无人机虽然可以移动覆盖卸载区域,但是除去无人机自身飞行与悬停的能耗,任务的卸载与计算会消耗大量能量。一旦无人机所覆盖区域的任务量增加,对无人机的电池续航能力来说都是难以负担的。而且无人机的体积大小也决定了无法布置具有高计算资源的边缘服务器。
综上所述,现有的研究成果并未很好的解决移动设备的计算卸载和无人机能耗的联合优化问题。
发明内容
本发明为了克服上述现有技术不足,提供一种在蜂窝网络中引入无人机辅助边缘的计算及优化方法,相较于单独的无人机或地面基站与移动设备通信,本发明考虑到无人机和移动设备的加权能耗,并将二者结合进行协同计算卸载的优化,以此降低总能耗。
本发明一种无人机与地面基站协同计算卸载及优化方法,步骤如下:
a)根据移动设备的分布情况先拟出一条无人机初始轨迹,并根据实际需求设置误差容忍度;
b)设置迭代参数z;
c)固定无人机运行轨迹,优化带宽的比特分配;
d)固定优化后的带宽与比特分配,优化无人机运行轨迹;
将优化后的运行轨迹与前一次的运行轨迹比较,如果在误差容忍度之内,可以得出最优轨迹;否则,将迭代参数加一,并且重复步骤c),d),e)。
本方法将问题表示为(P1);
C5:0≤ρ≤1,
C8:q[1]=q[N],
C9:(vminτ)2≤||q[n+1]-q[n]||2≤(vmaxτ)2,n=1,...,N-1.
其中集合K为移动设备数量集合且K={1,...,K};集合J为移动设备的卸载决定且J={loc,uav,gbs},表示本地卸载,卸载至无人机,卸载至地面基站三种决定;集合Su表示无人机服务任务集;集合N为将无人机飞行轨迹分为n个时隙,由每个时隙τ组成的集合且N={1,2,...,N}。
A为整体计算卸载策略且又由于本方法考虑的是二进制卸载,故ρ为带宽部分;L为比特分配方案集合且lk[n]表示在时隙n时无人机服务任务k的比特分配方案;Q为无人机轨迹且又q[n]={(x[n],y[n],H)}n∈N,x,y,H分别对映三维坐标系里面的横坐标,纵坐标和高;η(,)表示移动设备和无人机的加权能耗且η(A,ρ,L,Q)=μei+υeu,其中μ和υ分别表示移动设备和无人机能耗的权重且μ+υ=1,ei和eu分别表示移动设备和无人机的能耗。
在约束条件中,C1确保每个计算任务都应在最大允许等待时间内完成;C2-C4保证了各移动设备的计算卸载决策为二进制决策;C5和C6分别是带宽部分和比特分配变量的限制范围;C7确保将任务卸载到移动无人机上完成;C8和C9是无人机的飞行轨迹约束:C8意味着无人机应在周期结束时返回其初始位置,而C9则表示无人机在每个时隙的飞行速度范围。
在具体对问题求解过程中,将P1拆分为两个子问题,分别是:
1.带宽部分和比特分配优化:随着总体计算卸载策略和无人机轨道{A,Q}被固定,问题(P1)可以重写如下为(P2-1)
s.t.C1,C5-C7.
(P2-1)对于{ρ,L}是凸函数,并且对于在迭代中得到的任意ρ值,只要满足约束C5:0<ρ<1的条件,都可以通过下式所示的最优位分配的封闭形式得到最优解:其中是lk[n]的优化;由于UAV和GBS采用正交频谱共享方案,B表示它们在无相互干扰的情况下分配的总可用通信带宽;τ'表示当前任务所处的时隙;σ2表示当前噪声功率;hk[n]表示当前无人机和移动设备的信道增益;[a]+=max(a,0),表示取a与0之间的最大值;其中λu,是与约束C7相关的二重变量,可以用标准二分法求解。
2.无人机轨迹设计:对于任意给定的计算卸载策略、带宽部分和比特分配方案{A,ρ,L},无人机轨迹优化问题可表述为(P2-2):
s.t.C8-C9
由于(P2-2)对于q[n]是标准的凸函数,所以可以通过标准凸优化工具求解。
算法具体步骤如下:
a)根据移动设备的分布情况,先以移动设备的几何中心为圆心拟出一个圆作为无人机的初始轨迹,并根据约束条件C8,C9设置飞行轨迹的误差容忍度。
b)初始化迭代参数z=0。
c)固定无人机运行轨迹,按照问题(P2-1)的求解方法优化带宽的比特分配。
d)固定优化后的带宽与比特分配,按照问题(P2-2)的求解方法优化无人机运行轨迹。
e)将优化后的运行轨迹与前一次的运行轨迹比较,如果在误差容忍度之内,可以得出最优轨迹;否则,将迭代参数加一,并且重复步骤c),d),e)。
其具有如下优点:
第一:相较于现有方案,协同计算卸载可以更大程度地利用无人机和地面基站的计算资源,从而降低能耗。
第二:本方案利用的一种基于块坐标下降法的优化算法,对目标函数的优化过程更简单,更便于计算。
第三:随着移动边缘计算的普及,在兼顾降低能耗的同时,本发明更利于通信信道的稳定以及对无人机辅助移动边缘计算的推广。
附图说明
图1为现有无人机卸载场景图。
图2为本方法提出的无人机与地面基站协同卸载场景图。
图3为基于块坐标下降法优化算法的流程图。
图4为本方案对无人机轨迹的优化图。
图5为本方案在运行时移动设备的比特分配时隙分布图。
图6为本方案从移动设备能耗优化方面相较于现有方案的结果对比图。
图7为本方案从无人机与移动设备加权能耗优化方面相较于现有方案的结果对比图。
具体实施方式
参照图1所示,由无人机直接负责接受移动设备的计算任务卸载和处理任务。
参照图2所示,无人机在地面基站周围运行,最大化覆盖基站周边移动设备,由无人机负责接受移动设备的计算任务卸载,并由无人机和地面基站协同处理计算任务。
参照图3所示,对流程进行描述。
参照图4可以看出,通过优化之后,无人机的运行轨迹更加贴合移动用户,覆盖范围也更为广泛。
参照图5可以看出,每个设备在数据传输速度峰值时间段,基本可以将计算任务卸载完毕,剩余部分可以在无人机覆盖该移动设备的时隙之内完成卸载。
参照图6所示,通过对比可以看出,相较于本地卸载和移动设备直接将计算任务卸载至地面基站,本方案中的移动设备能耗都有明显的降低,完成了对移动设备能耗的优化。
参照图7通过对比可以看出,相较于没有能量约束的方案和单独以无人机能耗为约束条件的方案,本方案大大降低了无人机和移动设备的加权能耗,完成了对无人机和移动设备加权能耗的优化。
本发明提供了一种无人机与地面基站协同计算的卸载方法,并提出了在协同卸载场景下的传输过程中的比特分配以及无人机轨迹的联合优化方案。
在坐标轴上随机设置了6个移动设备作为参与卸载的用户,并将以它们的几何中心为圆心的圆作为无人机的初始轨迹。经过我们方案的优化,无人机的飞行轨迹有了明显的优化;同时我们设置移动设备的数量范围为3-8个,来研究实际能耗,结果表明,不论是移动设备的能耗还是无人机与移动设备的加权能耗都有显著的降低。这也证明了所提方案对于无人机轨迹的优化还有能耗的降低都是有现实作用的。
方案步骤如下:
步骤1,提出一个无人机与地面基站协同卸载的场景,图2,与现有的无人机卸载场景有明显区别,图1。
步骤2,由于现有研究中已有无人机与移动设备的信道功率增益模型,移动设备和无人机通信能耗和时延表达式,无人机飞行能耗模型以及飞行轨迹模型,根据此对地面基站与移动设备的信道功率增益建模,得到无人机和地面基站协同卸载场景下,所需参数的表达式。
步骤3,以包含计算卸载策略集,带宽,比特分配,无人机轨迹四个参数的函数为目标,进行约束求解。但目标函数是一个具有耦合变量的混合整数问题,求解方法难度大。故本方案用一种已有的基于块坐标下降法的交替优化算法,图3,对目标函数进行了联合优化。
步骤4,本方案结果将无人机轨迹,图4和比特分配进行了优化,图5,并从移动设备能耗优化,图6,无人机与移动设备加权能耗优化,图7,两个方面与现有方案进行对比。结果表明,在无人机与地面基站协同计算卸载的场景下,本方案相较于现有工作有明显改良。
Claims (1)
1.一种无人机与地面基站协同计算卸载及优化方法,其特征在于,步骤如下:
根据移动设备的分布情况先拟出一条无人机初始轨迹,并根据实际需求设置误差容忍度;具体实现方法如下:
将问题表示为P1;
C5:0≤ρ≤1,
C8:q[1]=q[N],
C9:(vminτ)2≤||q[n+1]-q[n]||2≤(vmaxτ)2,n=1,...,N-1
其中集合K为移动设备数量集合且K={1,...,K};集合J为移动设备的卸载决定且J={loc,uav,gbs},表示本地卸载,卸载至无人机,卸载至地面基站三种决定;集合Su表示无人机服务任务集;集合N为将无人机飞行轨迹分为n个时隙,由每个时隙τ组成的集合且N={1,2,...,N};
A为整体计算卸载策略且又由于本方法是二进制卸载,故 表示任务卸载策略,下角标表示任务源,即由哪一个用户发出,上角标表示任务卸载地,即将任务卸载到什么地方;ρ为带宽部分;L为比特分配方案集合且lk[n]表示在时隙n时无人机服务任务k的比特分配方案;Q为无人机轨迹且又q[n]={(x[n],y[n],H)}n∈N,表示为在三维坐标系中离散的点,x,y,H分别对应三维坐标系里面的横坐标,纵坐标和高,由于使用离散的坐标点表示轨迹,表示在无人机轨迹上任意一点;其中mk表示以比特为单位的输入原始数据的大小;vmin和vmax分别表示无人机的最小速度和最大速度;η(,)表示移动设备和无人机的加权能耗且η(A,ρ,L,Q)=μei+veu,其中μ和υ分别表示移动设备和无人机能耗的权重且μ+υ=1,ei和eu分别表示移动设备和无人机的能耗;
在具体对问题求解过程中,将P1拆分为两个子问题,分别是:
1)带宽部分和比特分配优化:随着整体计算卸载策略和无人机轨迹{A,Q}被固定,问题(P1)可以重写如下为P2-1
s.t.C1.C5-C7
P2-1对于{ρ,L}是凸函数,并且对于在迭代中得到的任意ρ值,只要满足约束C5:0<ρ<1的条件,都可以通过下式所示的最优位分配的封闭形式得到最优解:其中是lk[n]的优化;由于UAV和GBS采用正交频谱共享方案,B表示它们在无相互干扰的情况下分配的总可用通信带宽;τ′表示当前任务所处的时隙;σ2表示当前噪声功率;hk[n]表示当前无人机和移动设备的信道增益;[a]+=max(a,0),表示取a与0之间的最大值;其中是与约束C7相关的对偶变量,可以用标准二分法求解;
2)无人机轨迹设计:对于任意给定的计算卸载策略、带宽部分和比特分配方案{A,ρ,L},无人机轨迹优化问题可表述为P2-2:
s.t.C8-C9
a)根据移动设备的分布情况,先以移动设备的几何中心为圆心拟出一个圆作为无人机的初始轨迹,并根据约束条件C8,C9设置飞行轨迹的误差容忍度;
b)初始化迭代参数z=0;
c)固定无人机运行轨迹,按照问题P2-1的求解方法优化带宽的比特分配;
d)固定优化后的带宽与比特分配,按照问题P2-2的求解方法优化无人机运行轨迹;
e)将优化后的运行轨迹与前一次的运行轨迹比较,如果在误差容忍度之内,可以得出最优轨迹;否则,将迭代参数加一,并且重复步骤c),d),e)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718683.7A CN110429973B (zh) | 2019-08-05 | 2019-08-05 | 一种无人机与地面基站协同计算卸载及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910718683.7A CN110429973B (zh) | 2019-08-05 | 2019-08-05 | 一种无人机与地面基站协同计算卸载及优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110429973A CN110429973A (zh) | 2019-11-08 |
CN110429973B true CN110429973B (zh) | 2022-02-08 |
Family
ID=68414217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910718683.7A Active CN110429973B (zh) | 2019-08-05 | 2019-08-05 | 一种无人机与地面基站协同计算卸载及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110429973B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111093255A (zh) * | 2019-12-26 | 2020-05-01 | 苏州电海智能科技有限公司 | 基于uav边缘处理的电力包供能基站协同方法 |
CN111277320B (zh) * | 2020-01-21 | 2021-06-11 | 北京大学 | 一种蜂窝网联无人机轨迹设计和干扰管理的方法及装置 |
CN111615121B (zh) * | 2020-04-01 | 2023-06-06 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 地面机动站多跳任务计算卸载处理方法 |
CN111600648B (zh) * | 2020-05-25 | 2022-02-22 | 中国矿业大学 | 一种移动边缘计算系统的移动中继位置控制方法 |
CN111786711A (zh) * | 2020-05-29 | 2020-10-16 | 中国人民解放军空军工程大学 | 一种基于无人机边缘计算的高效能频谱感知方法、系统及应用 |
CN111757361B (zh) * | 2020-07-30 | 2022-04-22 | 重庆邮电大学 | 一种雾网络中基于无人机辅助的任务卸载方法 |
CN112084019B (zh) * | 2020-08-12 | 2022-05-10 | 东南大学 | 基于模拟退火的异构mec计算平台中的计算卸载与资源分配方法 |
CN113254188B (zh) * | 2021-07-07 | 2021-11-19 | 北京航空航天大学杭州创新研究院 | 调度优化方法和装置、电子设备及存储介质 |
CN113472426B (zh) * | 2021-07-01 | 2022-06-28 | 云南大学 | 一种公平感知任务调度和资源分配方法 |
CN115696264A (zh) * | 2021-07-30 | 2023-02-03 | 哈尔滨工业大学(深圳) | 基于无人机的云无线接入网络的节能数据卸载装置及方法 |
CN115843036A (zh) * | 2021-08-03 | 2023-03-24 | 中移系统集成有限公司 | 一种协同边缘计算服务范围优化方法及装置 |
CN113825177B (zh) * | 2021-10-08 | 2023-12-26 | 北京邮电大学 | 一种对多无人机辅助边缘计算系统的控制方法及控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832998A (zh) * | 2018-08-15 | 2018-11-16 | 中国人民解放军陆军工程大学 | 一种空地融合通信网络中的协同数据分发方法 |
CN109286913A (zh) * | 2018-09-29 | 2019-01-29 | 郑州航空工业管理学院 | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 |
KR20190030589A (ko) * | 2017-09-14 | 2019-03-22 | 아주대학교산학협력단 | 오프로딩 시스템을 통해 무인 비행체의 영상을 분석하기 위한 방법 및 장치 |
CN109831797A (zh) * | 2019-03-11 | 2019-05-31 | 南京邮电大学 | 一种推动功率受限的无人机基站带宽和轨迹联合优化方法 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302463B (zh) * | 2018-09-17 | 2020-07-14 | 上海交通大学 | 一种面向边缘计算的自组云架构与优化方法及系统 |
CN109885088B (zh) * | 2019-03-12 | 2021-01-19 | 西安交通大学 | 边缘计算网络中基于机器学习的无人机飞行轨迹优化方法 |
-
2019
- 2019-08-05 CN CN201910718683.7A patent/CN110429973B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190030589A (ko) * | 2017-09-14 | 2019-03-22 | 아주대학교산학협력단 | 오프로딩 시스템을 통해 무인 비행체의 영상을 분석하기 위한 방법 및 장치 |
CN108832998A (zh) * | 2018-08-15 | 2018-11-16 | 中国人民解放军陆军工程大学 | 一种空地融合通信网络中的协同数据分发方法 |
CN109286913A (zh) * | 2018-09-29 | 2019-01-29 | 郑州航空工业管理学院 | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 |
CN109831797A (zh) * | 2019-03-11 | 2019-05-31 | 南京邮电大学 | 一种推动功率受限的无人机基站带宽和轨迹联合优化方法 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
Non-Patent Citations (3)
Title |
---|
A QoE-Oriented Scheduling Scheme for Energy-Efficient Computation Offloading in UAV Cloud System;Ang Gao等;《IEEE Access》;20190527;第7卷;全文 * |
Task Offloading in UAV-Aided Edge Computing: Bit Allocation and Trajectory Optimization;Jingyu Xiong 等;《IEEE COMMUNICATIONS LETTERS》;20190110;第23卷(第3期);第538-541页,图1 * |
Unmanned Aerial Vehicle With Underlaid Device-to-Device Communications: Performance and Tradeoffs;MOZAFFARI M 等;《IEEE Transactions on Wireless》;20160218;第15卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110429973A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110429973B (zh) | 一种无人机与地面基站协同计算卸载及优化方法 | |
CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
CN111586720B (zh) | 一种多小区场景下的任务卸载和资源分配的联合优化方法 | |
CN109951869B (zh) | 一种基于云雾混合计算的车联网资源分配方法 | |
CN109286913B (zh) | 基于蜂窝网联的无人机移动边缘计算系统能耗优化方法 | |
CN109121151B (zh) | 小蜂窝集成移动边缘计算下分布式卸载方法 | |
CN112543050B (zh) | 一种面向吞吐量提升的无人机协作和轨迹优化方法 | |
CN112104502B (zh) | 时敏多任务边缘计算与缓存协作卸载策略方法 | |
CN110381445A (zh) | 一种基于无人机基站系统的资源分配与飞行轨迹优化方法 | |
CN112399375B (zh) | 基于终端能效优化的无人机辅助边缘计算的卸载方法 | |
CN113282352B (zh) | 基于多无人机协同辅助边缘计算的节能卸载方法 | |
CN109756912A (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN115659803A (zh) | 一种无人机孪生网络映射误差情况下计算任务智能卸载方法 | |
Tan et al. | Joint offloading and resource allocation based on UAV-assisted mobile edge computing | |
Cheng et al. | Energy-efficient resource allocation for UAV-empowered mobile edge computing system | |
CN114363803B (zh) | 一种移动边缘计算网络节能的多任务分配方法及系统 | |
CN114866979A (zh) | 一种无人机辅助的边缘计算时延最小化方法 | |
CN112423394B (zh) | 一种提高移动边缘计算蜂窝网络能耗效率的资源分配方法 | |
CN116366127A (zh) | 无人机辅助多mec服务器的任务完成率最大化方法 | |
CN110582097A (zh) | 一种降低汽车计算开销的处理方法、装置及存储介质 | |
CN114268966B (zh) | 一种无人机辅助mec网络低时延多任务分配方法及系统 | |
CN113676917B (zh) | 基于博弈论的无人机分层移动边缘计算网络的能耗优化方法 | |
CN115665798A (zh) | 一种面向空地6g网络长期任务卸载优化的问题解耦方法 | |
CN108521671A (zh) | 一种基于软件定义的异构网络及网络资源分配方法 | |
CN112020083B (zh) | 一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |