无人机群场景下边端协同计算卸载技术.pdfVIP

第41卷第5期计算机应用研究Vol.41No.5

2024年5月ApplicationResearchofComputersMay2024

无人机群场景下边端协同计算卸载技术

黄子祥，张新有²，邢焕来²，冯力？

（1.西南交通大学唐山研究院，河北唐山063000；2.西南交通大学计算机与人工智能学院，成都610000)

摘要：当今全球频繁出现自然灾害，针对一种无人机协同下的应急救灾计算卸载场景，提出一种带有协调器

的边-端架构。综合考虑场景中的时延、能耗与无人机之间的负载均衡作为系统总代价，采用改进的深度强化学

习算法APPO（advancedproximalpolicyoptimization），以最小化系统总代价为目标进行卸载优化。任务的部分卸

载相比二进制卸载可以更大程度上降低系统的总代价，APPO算法针对不同的任务情况可以找到合适的卸载比

例与无人机进行卸载。仿真与实验结果表明，该算法与全本地处理相比，系统总代价降低了约50%，与较先进的

A2C相比，系统总代价降低了约14%。展现了所提策略在该场景下的优越性。

关键词：边缘计算；深度强化学习；边端协同；无人机协同；计算卸载

中图分类号：TP311文献标志码：A文章编号：1001-3695(2024)05-033-1515-06

doi:10.19734/j.issn.1001-3695.2023.08.0418

Researchonedgetoendcollaborativecomputingoffloadingtechnology

inunmannedaircraftclusterscenarios

HuangZixiang,ZhangXinyout,XingHuanlai?,FengLi?

(1.TangshanResearchInstitute,SouthwestJiaotongUniversity,TangshanHebei063000,China;2.SchoolofComputerArtificialIntelli-

gence,SouthwestJiaotongUniversity,Chengdu610000,China)

Abstract:Thispaperproposedacoordinatededge-to-edgearchitectureforanemergencyresponsescenarioassistedbyun-

mannedaerialvehicles(UAVs),takingintoconsiderationthefrequentoccurrenceofnaturaldisastersglobally.Thearchitec-

tureincorporatedacoordinatorandaimedtominimizetheoverallsystemcostbyconsideringfactorssuchaslatency,energy

consumption,andloadedbalancingamongUAVs.Anditutilizedanimproveddeepreinforcementlearningalgorithmcalled

advancedproximalpolicyoptimization(APPO)tooptimizetheoffloadingprocess.Comparedtobinaryoffloading,partial

offloadingoftaskscouldeffectivelyreducetheovera