基于自适应无人机数量的节时部署优化算法

为缩短未知环境下移动边缘计算(MEC)系统服务用户所需的平均时延,提高MEC系统服务质量(QoS),设计了一种基于多无人机(UAV)的MEC系统,并针对UAV数量大量增加、因用户平均时延减少呈现边际效应递减所带来的资源浪费问题,设计一种可变UAV数量的节时部署算法。MEC系统首先将UAV部署问题分解为一个双层嵌套问题,外层为最大覆盖问题(MCLP),内层为基于广义指派问题(GAP)的任务卸载问题,并将人为设置的惩罚项加入待优化目标中,在优化过程中使MEC系统UAV数量和用户所需平均时延之间达到平衡。部署算法设计了一种混合算法来针对嵌套问题进行求解,外层使用基于差分进化-蛇优化算法(DE-SO)的联合优化算法来解决UAV的部署覆盖问题,内层使用贪心算法来解决任务卸载问题。仿真实验结果表明,在多种UE分布环境下,相较于CS-G、SAO-G等算法,该算法在适应度、覆盖率等性能上取得了最优表现,相比寻优精度最高的对比算法,DE-SO-G在寻优精度上平均提升5.67%。