无人机辅助铁路边缘计算网络动态计算任务卸载策略

在无人机辅助铁路移动边缘计算(moving edge computing,MEC)系统下,以服务时延和任务失败的执行成本为性能指标,同时保证无人机能耗稳定性和计算时延约束要求,提出了一种有效的计算任务卸载和功率控制方法。利用Lyapunov优化理论将基于长期性能指标的优化问题转化为多个时隙的子问题,提出了一种基于域自适应学习的动态计算卸载算法,对每个时隙内的计算任务进行卸载决策。同时在每个时隙内,当卸载决策决定计算任务在本地设备上执行时,所提算法还需联合优化得出业务数据下载的传输功率。实验结果表明,所提算法能够有效缩短服务时延、提高任务完成效率。

物联网中信息新鲜度和能耗的权衡揭示及优化

无人机辅助物联网传感器节点(sensor nodes,SN)数据采集场景中,信息新鲜度和无人机能耗本质上是相互竞争的指标。为揭示两个指标之间的权衡,引入Pareto边界的概念,将该问题公式化为多目标混合整数线性规划问题,并应用Bender分解算法求解该问题。而后通过节点唤醒与睡眠机制与无人机轨迹的联合设计,共同优化两个指标,并最大限度地减少SN的最大能耗,将该联合设计公式化为混合整数非凸优化问题,通过应用逐次凸优化技术,提出了一种迭代算法来求解。仿真结果表明,所提出的方法能在两个竞争度量之间得出Pareto最优解。与悬停方案相比,所提设计中无人机能耗和信息新鲜度得到优化,同时显著节省了SN的能耗。