在无人机辅助MEC中进行分区和资源分配的双层高效QOE优化
Huaiwen He1, Xiangdong Yang1,2, Feng Huang1,2
1School of Computer, Zhongshan Institute, University of Electronic Science and Technology of China, Zhongshan 528402, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
这项研究优化了无人机 (UAV) 网络,以在多访问边缘计算 (MEC) 中获得更好的体验质量 (QoE). 它通过智能地管理无人机路径和资源分配来减少网络收缩.
科学领域:
- 计算机科学 计算机科学
- 电气工程 电气工程
- 电信 电信服务 电信服务 电信服务
背景情况:
- 无人机对于下一代 (B5G/6G) 多访问边缘计算 (MEC) 网络至关重要.
- 在大规模的UAV-MEC网络中优化体验质量 (QoE) 是一个挑战,原因是复杂的相互依赖.
研究的目的:
- 为了最大限度地减少大规模UAV-MEC网络中的收缩比.
- 通过计算模式,无人机轨迹,带宽和计算资源分配的最佳决策来提高体验质量 (QoE).
主要方法:
- 制定了这个问题作为一个混合整数非线性编程 (MINLP) 问题.
- 提出了两层优化策略:无人机分区覆盖 (Welzl方法) 和旅行销售员问题 (TSP) 的轨迹.
- 开发了坐标下降 (CD) 和乘数交替方向方法 (ADMM) 用于资源分配.
主要成果:
- 与凸优化相比,基于CD的方法显著降低了时间复杂性 (大小的三倍).
- 与基线方法相比,基于ADMM的方法实现了约8%的收缩比率降低.
- 在大型无人机-MEC网络中证明了基于CD的方法的高效率和简单性.
结论:
- 拟议的双层优化战略有效地解决了大规模无人机-MEC网络中的挑战.
- 开发的方法为优化无人机轨迹和资源配置提供了有效的解决方案,提高了QOE.
- 这项研究为改善未来无线通信系统性能提供了实际见解.


