基于分层架构的无人机群资源管理策略研究.pdf

摘要

摘要

随着无人机技术的迅猛发展，使用多无人机群进行协同作业，已广泛应用于

军事侦察、环境监测、目标搜索和中继通信等复杂任务，并有效提高了任务执行

的效率。为了更好地弥补无人机群在执行高负载任务时，在计算能力和能量上的

有限性，使用搭载移动边缘计算服务器的飞艇作为空中边缘网络应运而生。然而

如何针对任务特性对飞艇进行高效部署和调度，合理有效地分配计算资源以提高

网络性能，仍是一个亟待进一步研究的课题。本文分别针对空中边缘网络的部署

与调度，以及移动边缘计算卸载两方面开展了研究工作。主要研究内容如下：

针对自然灾害发生后，使用多无人机群执行不同任务场景下，设计了一种空

中边缘网络部署和动态调度策略，在降低任务收集时延的同时，优化资源利用率。

首先，鉴于任务接入关联、空中边缘网络的位置与资源限制等因素对网络性能的

影响，建立了空中边缘网络联合部署与调度优化问题的数学模型。然后，考虑到

任务的分布特性以及飞艇的资源情况，设计了一种基于改进的迭代自组织数据分

析聚类算法的任务关联与飞艇部署算法。接着，鉴于任务的时空特性以及边缘网

络中各飞艇的服务状态，提出了一种基于深度强化学习的飞艇动态调度算法。最

后，通过仿真验证了所提算法的有效性。

面对日益多样、复杂化的任务需求，使用异构无人机组成的任务群展现出更

高的灵活性和适应性。首先，针对由多无人机群和飞艇组成的分层网络结构，为满

足多无人机的大量计算需求，无人机产生的任务可以选择本地计算，或者卸载到

网络中，由网络中的其他节点辅助计算。然后，考虑到网络节点的不同计算能力、

无人机动态计算需求以及任务的不同特性，建立了以联合优化任务完成时延和能

耗为目标的卸载决策优化模型。接着，将该卸载问题建模为马尔可夫决策过程，提

出了一种基于多智能体深度强化学习的无人机群任务卸载算法，每个无人机基于

本地观察到的信息进行卸载决策。最后，仿真结果表明所提方法优于基准方法。

关键词：分层空中网络，网络部署，动态调度，任务卸载，深度强化学习

I

ABSTRACT

ABSTRACT

Withtherapiddevelopmentofunmannedaerialvehicle(UAV)technology,theuse

ofmulti-UAVswarmsforcollaborativetaskshasbeenextensivelyappliedtocomplex

missionssuchasmilitaryreconnaissance,environmentalmonitoring,targetsearch,and

relaycommunication,significantlyenhancingtheefficiencyoftaskexecution.Tobet-

tercompensateforthelimitationsincomputationalcapacityandenergywhenperforming

high-loadtasks,airshipsequippedwithmobileedgecomputingservershaveemergedas

aerialedgenetworks.However,theefficientdeploymentandschedulingofairshipsac-

cordingtotaskcharacteristicsandtherationalallocationofcomputationalresourcesto

improvenetworkperformanceremaintopicsthatrequirefurtherinvestigation.Thisthesis

conductsresearchonthedeploymentandschedulingofaerialedgenetworks,aswellas

mobileedgecomputingoffloading,withth