面向视觉分析任务的海上边缘计算资源调度策略研究.pdf

面向视觉分析任务的海上边缘计算资源调度策略研究

摘要

随着物联网（InternetofThings，IoT）、人工智能和大数据等新兴技术的发展，海上视

觉分析应用逐渐崭露头角，推动着智慧海洋领域的进步。然而，具备计算密集型和时延敏

感型特征的视觉分析任务，在被分析处理时会受到海洋设备自身的计算能力、能量预算等

因素的限制，进而难以满足海上用户的服务需求。另外，相较于陆地通信系统，海洋通信

系统具有带宽有限、覆盖盲区广泛以及配置灵活性不足等特点，这些因素对海洋用户的服

务质量也造成了实质影响。

新一代移动边缘计算（MobileEdgeComputing，MEC）技术能够将数据处理中心下沉

至海洋网络边缘，以实现高效的通信服务。因此，本文聚焦于海上边缘计算网络，面向日

益增长的视觉分析任务计算需求，对海事网络的资源调度策略进行了研究。主要工作如下：

（1）针对海上用户的视觉分析任务，本文提出了一种基于无人艇辅助的海上边缘计算

系统方案。其中，配备计算资源的无人艇作为移动基站，在处理从海洋用户迁移而来的视

觉分析任务时发挥关键作用，可以优化任务执行延迟并降低用户设备能耗。然后，本文设

计了一种改进的近邻策略优化的资源调度策略，通过联合优化无人艇的航行轨迹、海洋用

户调度变量和视觉任务分配量，以最小化在通信周期内的视觉任务的总体执行时延。仿真

结果表明，相比于其它基准方案，所提出的资源调度策略展现了较强的环境适应能力，降

低了视觉分析任务的执行时间，其训练收敛性能相比于近邻策略优化基准算法提升了41%。

（2）为了更好地适应无人艇应用的发展以满足视觉分析任务的需求，本文提出了一种

无人机辅助无人艇的海上边缘计算系统方案，其中无人机在多个移动的无人艇上空盘旋以

提供海上IoT服务。面向视觉分析任务，本文在无人机能量预算和运动空间的约束下，对

无人艇用户调度变量、无人机飞行轨迹和资源分配联合优化，使整体的任务执行时间最小

化，提升无人艇用户的服务质量。考虑到优化问题的非凸性，提出了一种改进的深度确定

性策略梯度的资源调度策略ATD3以降低视觉任务的处理延迟。据我们所知，这是双延迟

深度确定性策略梯度算法作为解决无人机辅助的海上MEC资源调度问题的首次尝试。仿

真结果表明，所提出的算法在收敛速度、算法稳定性和任务执行时间等方面均优于其他基

准的资源调度策略。

关键词：海上边缘计算；资源调度；深度强化学习

ResearchonResourceSchedulingStrategiesfor

MaritimeEdgeComputingforVisualAnalysisTasks

Abstract

WiththeriseoftheInternetofThings(IoT),artificialintelligence,bigdataandother

technologies,thesmartMarinefieldhasbeenpromoted,andatthesametime,variousMarine

visualanalysisapplicationshavegraduallyemerged.However,visualanalysistaskswith

computationallyintensiveanddelay-sensitivecharacteristicsarelimitedbyfactorssuchas

computingpowerandenergybudgetintheanalysisandprocessingofMarineequipment,which

makesitdifficulttomeettheserviceneedsofMarineusers.Furthermore,incomparisonto

terrestrialcommunicationsystems,themarinecommunicationsystemexhibitscharacteristicssu