移动工具辅助边缘计算系统中的路径规划问题研究.pdfVIP

摘要

随着移动通信、物联网技术的快速发展以及工业制造能力的提升，可携带设

备、传感器设备等智能设备在生活中得到广泛应用。由于用户设备体积和重量的

限制，其计算资源和剩余能量难以长时间运行计算密集型任务，如虚拟现实、人

脸识别、建筑物扫描分析等。移动边缘计算通过把服务下沉到用户侧（如基站或

者蜂窝基站），为用户设备提供各类计算和存储服务，有效的解决了上述问题。然

而，在某些特殊场景中，如地震、飓风、大规模断电等，部署在基站的服务器等

网络基础设施可能出现故障；或者在军事演习场景中，边缘服务器由于其通信范

围有限无法为用户设备提供计算、存储等资源。因此，人们研究把车辆（如无人

车）或无人机等移动工具集成到边缘服务器中，通过计算卸载为用户提供计算服

务。由于服务器和设备之间的通信速率受到通信距离的影响，如何规划移动工具

的位置及其路径是一个关键问题。

本文在此背景下建立了无人车辅助边缘计算系统和无人机辅助边缘计算系

统。边缘计算服务器搭载在无人车和无人机上，帮助用户设备卸载其计算任务到

服务器上执行。对此，本文分别研究了无人车和无人机的路径规划问题来更快地

完成设备的计算任务卸载。

（1）在无人车辅助边缘计算系统中，通过把用户设备划分到不同社区，优化

无人车在社区内的停靠位置和无人车在社区之间的路径，最小化完成所有任务的

时间。提出了社区划分的算法，根据用户设备的地理位置等把它们划分到不同社

区中；考虑到服务器在移动过程中的通信与计算，提出了一种基于序列二次规划

的优化算法计算出了无人车在每个社区间的最优停靠位置；最后采用动态规划算

法优化了无人车的路径。实验结果表明提出算法能够有效的减少任务完成时间。

（2）由于无人机的高移动性和灵活性，本文建立了无人机辅助边缘计算系统。

为了保证通信质量，减少链路故障或服务器故障问题的影响，本文引进了可靠性

保障。同时，考虑到无人机能量有限，本文设计了无人机移动和能耗模型，联合

优化无人机数量和路径规划，并提出了一种改进的禁忌搜索算法得到了原问题的

最优解。仿真结果表明所提算法相对其他算法性能更优。仿真结果表明所提算法

相对其他算法性能更优。

关键词：移动工具，边缘计算，计算卸载，路径规划

I

ABSTRACT

WiththerapiddevelopmentofmobilecommunicationandIoTtechnologiesand

theimprovementofindustrialmanufacturingcapabilities,intelligentequipments(UEs)

suchaswearabledevicesandsensordevicesarewidelyusedinourdailylife.Dueto

thelimitationofUEs’sizeandweight,theircomputationresourcesandresidualenergy

makeitdifficulttoperformcomputationallyintensivetasks,suchasvirtualreality,face

recognition,buildingscanninganalysis,etc.Mobileedgecomputing(MEC)effectively

solvesaboveproblemsbysinkingservicestotheUEs’side(e.g.,basestationorcellular

basestation)andprovidesvariouscomputationandstorageservicestoUEs.However,

insomespecialscenarios,suchasearthquakes,hurricanes,andlarge­scalepowerout­

ages,networkinfrastructuresuchasserversdeployedatbasestationsmaybedown;and

inmilitaryexercisescenarios,edgeserverscannotprovidecomputationandstoragere­

sourcesforUEsd