基于深度强化学习的无人机边缘计算任务卸载策略

王峰; 马星宇; 孟鹏帅; 赵薇; 翟伟光

doi:10.13705/j.issn.1671-6833.2025.01.018

郑州大学学报（工学版） ›› 2025, Vol. 46 ›› Issue (04) : 16 -23+31. DOI: 10.13705/j.issn.1671-6833.2025.01.018

基于深度强化学习的无人机边缘计算任务卸载策略

王峰, 马星宇, 孟鹏帅, 赵薇, 翟伟光

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对地理条件较为复杂的环境中存在的缺乏基础设施、任务延时高和带宽需求量大等问题，提出一种联合任务卸载和功率分配的多级移动边缘计算(MEC)系统模型。所提模型考虑将配备MEC的服务器部署在无人机附近提供计算服务，综合分析无人机的任务卸载、功耗和计算资源分配等问题并给出度量方法，同时考虑无人机可执行的任务类型以及任务对无人机的CPU和GPU要求，将该问题表述为混合整数非线性问题。针对该问题提出一种基于深度强化学习的计算任务卸载算法，该算法基于改进双深度Q学习算法，在深度强化学习中利用深度神经网络找到无人机之间的映射，从状态空间中找到潜在的模式并估计最优动作，并使用无模型的DRL方法，使每个无人机根据局部观察快速作出卸载决策。仿真结果表明：所提算法相比LCGP算法，平均卸载成本降低了42.8%;相比DDPG算法，能耗减少了16%;相比DDQN算法，任务执行延迟减少了12.9%。