【论文分享03】无人机支持下MEC网络中的节能资源分配策略

版权声明:本文为博主原创文章,转载请注明出处:https://twocups.cn/index.php/2019/12/06/06/

论文题目:Energy Efficient Resource Allocation in UAV-Enabled Mobile Edge Computing Networks

作者:Zhaohui Yang,Cunhua Pan,Kezhi Wang,Mohammad Shikh-Bahaei

论文发表于期刊 IEEE Transactions on Wireless Communications(2019年7月)

摘要:该文通过在具有多个无人机的移动边缘计算(MEC)网络中共同优化用户关联、功率控制、计算能力分配和位置规划,考虑了总功率最小化的问题。为了解决非凸问题,该文提出了一种低复杂度算法。该算法通过迭代解决了三个子问题:对于用户关联子问题,该文相应地提出了基于压缩感知的算法;对于计算能力分配子问题,该文以封闭形式获得最优解;对于位置规划子问题,该文可通过一维搜索方法有效地获得最优解。并且为了获得该迭代算法的可行解,该文提出了一种基于模糊C均值聚类的算法。实验结果表明,该文所提算法比常规算法具有更好的性能。

我们设计了一个具有 N 个移动设备和 M 个能够悬停的旋翼式无人机所组成的无人飞行器辅助网络。移动设备和无人机的集合分别由 N = {1,2,…, N }和 M = {1,2,…, M }表示。每个移动设备都有一个要执行的计算任务,并可以将其分配给无人机。该网络如下图所示。

该文通过将用户关联、功率控制、计算能力分配和位置规划进行公式化,并变为约束条件,最后总能耗最小化问题如下:

其中,a 为移动用户 i 的卸载指标;p 为移动用户 i 到无人机 j 的传输功率;k 为CPU模型中指定的正系数;f 为 移动设备或无人机的计算能力;Q 为确保无人机保持高空飞行的推进力;θ 为无人机天线的半功率波束宽度;U 为无人机的最大关联移动用户的数量。

由于非凸目标函数和离散约束,总能耗最小化问题是一个非凸问题。通常很难有效地获得针对该非凸问题的全局最优解。该文提出了一系列联合优化算法来获得具有迭代机制的次优解:

  • 用户关联优化

总能耗最小化问题由于不平滑的“ ℓ0 范数”而难以解决,根据[47],可通过压缩感测中一系列加权的“ ℓ1 范数最小化”近似解决。 利用这项技术,我们将目标函数中的“ ℓ0 范数”近似为:

其中,δρ 通过以下公式不断迭代更新:

其中,a(n)ij 是第 n 次迭代中aij的值,而 τ 是常数正则化因子。

通过上述的函数毕竟最优解并暂时放宽整数约束,可以将 总能耗最小化问题重写为:

其中,

Ei = Fi / fi

  • 最佳功率控制

对于最佳功率控制,我们有以下引理:对于给定用户关联 A 的总能耗最小化问题的最优解,最优功率 p* 可以表示为

  • 最佳计算能力分配

对于无人机,计算能力分配问题可以表示为:

  • 最佳位置规划

对于无人机,位置规划问题可以表示为:

  • 迭代算法与分析

以下算法给出了解决总能耗最小化问题的迭代过程。该算法的思想是迭代优化用户关联、计算能力和位置,而移动用户的传输功率则由用户关联,计算能力和位置来唯一确定。

  • 基于模糊C均值聚类的初始算法

在以下算法中给出了用于寻找初始解的基于模糊C均值(FCM)聚类的算法。

其中,nN 分别表示与无人机相关的移动用户设备的数量和集合,并且 S 用于确定无人机的计算能力是否足以服务于其他移动用户设备。

个人总结

首先,该文通过共同优化用户关联、功率控制、计算能力分配和位置规划,制定了具有时延和覆盖范围约束的总功率最小化问题。为了解决非凸和功率最小化问题,该文还提出了一种通过迭代求解三个子问题的算法。其次,对于具有 ℓ0 范数的用户关联问题,该文应用了基于压缩感知的算法,其中在每次迭代中均给出了封闭形式的解决方案。最后,对于计算能力分配或位置规划,该文先将原始问题分解为多个小优化问题,再以封闭形式导出最优计算能力分配,同时通过一维搜索方法获得最优位置规划。

这篇论文用着非常传统的解题方式研究了较为新颖的无人机支持下 MEC 网络问题,并且提出的引理、约束条件和迭代算法都有理有据。对我来说,这篇论文在现实问题转换为数学约束方面有很强的借鉴性。同时,通过迭代将能耗最小化问题分为数个子问题,并求最优解和次优解这种传统又有效的数学解题方式也值得学习。就这篇论文本身研究的问题来说,我认为美中不足的是,在论文一开始对无人机支持下 MEC 网络进行建模时,模型的完整度不够。其实,该网络模型可以考虑更多的情况,这并不会对计算和实验的工作量有量级的改变,缺可以丰富论文的理论和实验,使论文的实际性更强。

论文下载地址: Energy Efficient Resource Allocation in UAV-Enabled Mobile Edge Computing Networks

注:论文原文由 Google 学术提供,仅供大家交流学习使用,不得用于任何形式的商业用途,请下载后24小时内删除。

相关文章

【个人课件分享】边缘计算

【论文分享01】多接入边缘计算所支持的异构网络:一种新颖的体系结构和一些未来的挑战

【论文分享02】无人机支持下的MEC系统节能策略:位分配优化和轨迹设计

暂无评论

请到【后台 - 用户 - 我的个人资料】中填写个人说明。

发表评论