关键词:
Stackelberg博弈
无人机辅助
移动边缘计算
能耗优化
轨迹优化
摘要:
无人机(Unmanned Aerial Vehicle,UAV)凭借高灵活性、易部署和低成本等优势,在无线通信领域得到广泛应用。移动边缘计算(Mobile Edge Computing,MEC)允许无线设备将计算任务卸载到边缘服务器,为实现计算密集型应用提供了一种有前景的范式,将无人机引入边缘计算任务卸载服务中,有望更好地满足新型应用对低延迟和高速率的需求。然而,无人机作为轻量型设备,能源限制制约了其服务能力,此外,无人机的三维轨迹设计对卸载效率具有重要影响。如何在复杂网络中合理分配无人机资源并优化无人机轨迹辅助用户卸载,以减少能耗并提升卸载服务质量,成为提升边缘计算网络服务质量的关键问题。本文对UAV辅助两跳卸载网络、融合D2D异构边缘计算的UAV辅助卸载网络展开研究。具体研究内容如下:
(1)本文针对UAV中继的两跳卸载网络的资源竞争问题,结合Stackelberg博弈理论提出了一种UAV辅助MEC的轨迹优化和资源分配算法。首先,基于用户卸载需求和UAV资源剩余量建立动态定价机制,并利用Stackelberg博弈理论对UAV与用户的交互进行建模,分别提出UAV与用户的效用最大化问题。然后,通过逆向归纳法证明存在唯一纳什均衡解,并采用连续凸逼近技术解决UAV轨迹优化中的非凸约束问题。最后,设计基于用户计算能力和任务量的优先级算法,并通过交替优化确定UAV飞行路径和卸载策略的最优解。仿真结果表明:相比与固定定价方案,动态定价方案下UAV的效用提升了18.9%,联合优化方案相比固定轨迹优化方案效用提升了24.6%。
(2)随着未来无线通信场景的日益复杂和多样化,大量用户的涌入以及多样化基础设施的广泛部署,促使网络架构朝着更加异构化的方向发展。在此背景下,本文提出了一种融合无人机辅助边缘计算与设备到设备D2D通信共享的新型异构网络架构,其中多用户通过移动无人机向边缘服务器卸载计算任务,同时D2D用户共享频谱进行信息交互。为解决无人机边缘网络与D2D网络之间的性能均衡问题,提出了一种基于Stackelberg博弈的双层功率分配方案:无人机作为领导者,根据用户卸载速率获取奖励;D2D发送端作为追随者,在满足无人机干扰阈值的前提下,根据接收端通信速率获得奖励。通过逆向归纳法求解纳什均衡解,并利用连续凸逼近和交替优化算法解决功率分配与无人机路径规划问题。仿真结果表明,所提方案能在相同功率下实现更高的卸载与通信速率,分别提升了30.7%和33.5%。