多无人机网络边缘智能计算卸载算法

为了解决大规模部署固定边缘计算节点成本高、机动性差和难以应对突发事件等问题，针对计算密集型和延迟敏感型移动业务需求，提出了一种基于深度强化学习的计算任务卸载算法。考虑多架无人机飞行范围、飞行速度和系统公平效益等约束条件，最小化网络平均计算延时与无人机能耗的加权和。将该非凸性、NP（Non-deterministic polynomial）难问题转化为部分观测马尔可夫决策过程，利用多智能体深度确定性策略梯度算法进行移动用户卸载决策和无人机飞行轨迹优化。仿真结果表明，所提算法在移动服务终端的公平性、系统平均时延和多无人机的总能耗等方面的性能均优于基线算法。其中，所提算法能够得到不同计算性能下的最佳功耗控制，当CPU频率为12.5 GHz时，能耗相比基线降低29.16%，相比随机策略梯度算法降低8.67%。