检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于自适应无人机数量的节时部署优化算法

计算机工程 2024年

作者：万昊楠吴飞尹玲上海工程技术大学电子电气工程学院

为缩短未知环境下移动边缘计算（MEC，Mobile Edge Computing）系统服务用户所需的平均时延，提高MEC系统服务质量（QoS，Quality Of Service），设计了一种基于多无人机（UAV，Unmanned Aerial Vehicle）的MEC系统，并针对UAV数量的大... 详细信息

为缩短未知环境下移动边缘计算（MEC，Mobile Edge Computing）系统服务用户所需的平均时延，提高MEC系统服务质量（QoS，Quality Of Service），设计了一种基于多无人机（UAV，Unmanned Aerial Vehicle）的MEC系统，并针对UAV数量的大量增加与用户平均时延的减少呈现边际效应递减所带来的资源浪费问题，设计了一种可变UAV数量的节时部署算法。MEC系统首先将UAV的部署问题分解为一个双层嵌套问题，外层为基于最大覆盖问题(MCLP，Maximum Covering Location Problem)的覆盖问题，内层为基于广义指派问题(GAP，General Assignment Problem)任务卸载问题，并通过将人为设置的惩罚项加入待优化目标，在优化过程中使MEC系统UAV数量和用户所需的平均时延间达到平衡。部署算法设计了一种混合算法来针对嵌套问题进行求解，外层使用基于差分进化-蛇优化算法的联合优化算法（DE-SO，Differential Evolution-Snake Optimizer）来解决UAV的部署覆盖问题，内层使用贪心算法来解决任务卸载问题。大量仿真实验的数据表明，本文提出的方法相较于CS-G，SAO-G等算法，在多种UE分布环境下在适应度，覆盖率等性能上取得了最优表现，同时相较于寻优精度最高的对比算法，DE-SO-G在寻优精度上得到了平均5.67%的提升。

关键词：移动边缘计算无人机部署蛇优化算法差分进化算法混合整数非线性问题

基于QoE的无人机网络部署和缓存策略优化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2023年第5期40卷 1473-1479页

作者：唐焕博郑鸿强沈启航陈星福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

为了最大限度提升用户的体验质量,设计了一个使用支持缓存的无人机进行辅助通信的蜂窝网络模型。该模型使用无人机通信和边缘缓存相结合的方式来进行流量卸载,通过联合优化无人机部署,缓存放置和用户关联以实现用户QoE的最大化,并使用... 详细信息

为了最大限度提升用户的体验质量,设计了一个使用支持缓存的无人机进行辅助通信的蜂窝网络模型。该模型使用无人机通信和边缘缓存相结合的方式来进行流量卸载,通过联合优化无人机部署,缓存放置和用户关联以实现用户QoE的最大化,并使用平均意见得分来对其进行评估。基于问题定义,提出了一个无人机部署、缓存放置和用户关联的联合优化算法,以最大化MOS。该联合算法使用K-means聚类算法为用户创建基于用户位置的无人机部署集群,使用基于罚函数的凸优化算法以获得缓存放置策略,使用贪心算法以获得对用户的关联策略。多次仿真实验验证了所提出算法的有效性和可行性。实验结果表明,与三种基准算法相比,所提出的联合优化算法在MOS、回程流量卸载率和内容访问时延三方面均具有更好的性能。

关键词：边缘缓存无人机部署缓存放置用户关联 K-means聚类算法凸优化算法贪心算法

在线全文

学校读者我要写书评

暂无评论

移动边缘计算下无人机部署和任务调度研究

移动边缘计算下无人机部署和任务调度研究

作者：张璐南京邮电大学

学位级别：硕士

目前,随着移动边缘计算(Mobile Edge Computing,MEC)技术的不断发展和无人机(Unmanned Aerial Vehicle,UAV)技术的成熟,无人机正广泛应用于移动边缘计算场景中,为该领域带来了许多优势和创新。然而在当前研究中,存在一些问题尚待解决。... 详细信息

目前,随着移动边缘计算(Mobile Edge Computing,MEC)技术的不断发展和无人机(Unmanned Aerial Vehicle,UAV)技术的成熟,无人机正广泛应用于移动边缘计算场景中,为该领域带来了许多优势和创新。然而在当前研究中,存在一些问题尚待解决。首先,大多数研究还未充分考虑无人机数量和位置的同时优化问题。其次,对任务调度和无人机部署的联合研究还相对较少。最后,不合理部署和调度策略可能会导致无人机的能力浪费,也会增加通信延迟和能耗,影响边缘计算的低延迟和高带宽优势的实现。针对以上问题,本文的主要研究内容及创新点如下:(1)针对无人机的不合理分配会导致物联网(Internet of Things,Io T)系统总能耗高的问题,提出一种基于多无人机的移动边缘计算系统部署模型,并使用基于K-Means++初始化的变异策略池差分进化算法来求解该模型。在算法中,通过K-Means++初始化种群,从而得到较优无人机初始位置。此外,考虑到传统进化算法中固定变异策略的局限性,还利用变异策略池来更新无人机的位置。最后实验结果验证了算法效果,有效降低了整个系统的能耗。(2)针对多无人机部署和任务调度计划的不合理分配仍然会导致系统总能耗高、任务完成成功率低、高时延等问题,提出一种双层优化框架基于K-Means++初始化的变异策略池差分进化算法和贪婪算法框架对无人机的部署和任务调度进行联合优化,在上层优化中,利用工作(1)中提出的算法来优化无人机的位置和数量。在下层优化中,利用提出的高效贪婪算优化任务调度。最后实验结果验证了上层优化、下层优化以及双层优化的有效性,并在保证低时延、高任务完成率的同时,降低了系统能耗。(3)搭建了移动边缘计算下无人机部署和任务调度系统。基于前述工作,运用Java、MATLAB、My SQL等技术设计了一个原型系统,该系统可以确定最佳的无人机数量和位置,并协调多个无人机之间的任务分配,以确保每个无人机都能在预定时间内完成适当的任务,同时最大化利用其能耗,提高整个系统的性能和效率,增强可靠性和鲁棒性。另外,通过可视化界面确保系统平稳运行。

关键词：移动边缘计算任务调度无人机部署差分进化算法贪婪算法

多无人机使能移动边缘计算系统中的计算卸载与部署优化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2022年第S1期49卷 619-627页

作者：刘漳辉郑鸿强张建山陈哲毅福州大学数学与计算机科学学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116 英国埃克塞特大学计算机科学系埃克塞特EX44QF

无人机与移动边缘计算技术的结合突破了传统地面通信的局限性。无人机所提供的有效视距信道可大大改善边缘服务器与移动设备之间的通信质量。为了进一步提升移动边缘计算系统的服务质量,设计了一种多无人机使能的移动边缘计算系统模型... 详细信息

无人机与移动边缘计算技术的结合突破了传统地面通信的局限性。无人机所提供的有效视距信道可大大改善边缘服务器与移动设备之间的通信质量。为了进一步提升移动边缘计算系统的服务质量,设计了一种多无人机使能的移动边缘计算系统模型。在该系统中,无人机作为边缘服务器为移动设备提供计算服务,通过联合优化无人机部署与计算卸载策略实现平均任务响应时间的最小化。基于问题定义,提出了一种PSO-GA-G双层嵌套联合优化方法,该方法的外层采用了结合遗传算法算子的离散粒子群优化算法(Discrete Particle Swarm Optimization Algorithm Combined with Genetic Algorithm Operators,PSO-GA),实现了对无人机部署位置的优化;而该方法的内层则是采用了贪心算法(Greedy Algorithm),实现了对计算卸载策略的优化。大量仿真实验验证了所提方法的可行性和有效性。实验结果表明,相比其他基准方法,所提出方法可以实现更短的平均任务响应时间。

关键词：移动边缘计算无人机部署计算卸载离散粒子群优化算法贪心算法

在线全文

学校读者我要写书评

暂无评论

基于无人机部署的增强基站通信系统

基于无人机部署的增强基站通信系统

作者：钟舒馨深圳大学

学位级别：硕士

随着科学技术的迅猛发展,无人机技术在不同领域的应用受到了前所未有的关注。无人机技术以其无可比拟的优势,例如,高可移动性,使得一系列基于无人机的应用如雨后春笋般涌现出来。其中,受到工业界和学术届的广泛关注的是基于无人机的空... 详细信息

随着科学技术的迅猛发展,无人机技术在不同领域的应用受到了前所未有的关注。无人机技术以其无可比拟的优势,例如,高可移动性,使得一系列基于无人机的应用如雨后春笋般涌现出来。其中,受到工业界和学术届的广泛关注的是基于无人机的空中基站技术,其重点在于部署无人机作为临时性的空中基站,用于增强地面基站与移动终端之间的通信。相比于传统的地面基站,无人机具有移动灵活、成本可控、以及经济实用等优点,并且由于无人机的飞行特性,它能给用户提供更大可能性的视距通信,从而大大提高了通信服务的质量。如何部署无人机空中基站,从而最大化利用资源,提升通讯质量,提高经济效益,是一个值得关注的问题。现有的最优化无人机部署方法,主要基于静态用户拓扑图,同时无人机的分配信息往往都是由一个中央控制器统一调控。在大量用户频繁移动的时候,中央控制器可能无法及时地反馈,对无人机位置进行实时调整。而且,之前的方法还有将热点区域进行了统一的划分,并没有考虑实际用户的分布,和在分配无人机的时候,将无人机放置在用户中心区域等不足,从而存在降低无人机资源的利用率等问题。无人机部署的问题,是一个NP-Hard的问题,为了解决上述的不足,本文提出了一个半分布式的无人机部署系统（SIDE）,通过一个全新的启发式的算法来求得较优解。具体地,本文主要提出了一个基于力平衡的方法（EMech）使得无人机的位置能够自适应于在其传输范围内的用户对其的引力。引力的大小跟用户与无人机的距离和用户的传输需求有关。为了使这个算法达到更好的效果,我们还提出了一种自适应的划分区域的方法（KDivision）,这种划分方法让每个子区域的大小自适应于用户的密集程度,使得每个子区域中的用户数大致相同,可以极大地提高无人机资源的利用率。之后,我们提出了一个合并算法（RMerge）,将之前划分出来的子区域再合并为原始大小,在这个过程当中,我们利用效用函数（Utility Function）来表征网络性能和经济代价的平衡,并以此为根据调整无人机的位置,使得结果更优。最后,我们做了一个真实的实验,来验证EMech方法的可行性,并且进行了较为全面具体的分析。通过大量的仿真实验和与现有的算法比较,我们验证了系统的有效性。结合实验结果,得出我们的算法能够高效地完成无人机在热点区域的部署用以增强地面基站的通信。

关键词：无人机部署增强通信空中基站

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蜂窝D2D通信系统无人机部署算法研究

蜂窝D2D通信系统无人机部署算法研究

作者：罗磊重庆邮电大学

学位级别：硕士

无人驾驶飞机简称无人机（Unmanned Aerial Vehicle,UAV）是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。UAV由于体积小、成本低以及机动性强等优势,使得其广泛应用于快递服务、安保防爆、抢险救灾及视频拍摄等应用中... 详细信息

无人驾驶飞机简称无人机（Unmanned Aerial Vehicle,UAV）是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。UAV由于体积小、成本低以及机动性强等优势,使得其广泛应用于快递服务、安保防爆、抢险救灾及视频拍摄等应用中。近年来,UAV在无线通信系统中的应用已经受到广泛关注。通过对UAV的灵活高效部署,使其作为空中基站（Base Station,BS）或中继设备可为用户提供网络接入及数据转发等服务,实现用户业务体验以及网络整体性能的显著提升。在UAV通信系统中,如何综合考虑网络可用资源、用户业务需求及UAV自身特性,设计高效UAV部署算法是亟待解决的重要课题。本文主要针对UAV部署算法进行研究,具体内容如下:首先,对本文研究背景、UAV通信网络结构、UAV部署问题及UAV通信系统物理层安全问题进行简要概述,并对UAV部署算法进行分类总结。其次,针对包含一个BS、多个UAV、多个请求用户（Requesting User,RU）及服务用户（Servicing User,SU）的通信场景,综合考虑RU内容获取时延、传输能耗及UAV部署成本,提出了一种联合UAV部署及缓存内容放置算法。通过定义系统成本函数为内容获取时延、能耗及UAV部署成本的加权和,建模联合UAV部署及缓存内容放置问题为系统成本最小化问题。由于该优化问题为非凸整数规划问题,首先假设初始UAV部署及内容缓存策略已给定,将原始优化问题简化为RU关联子问题。该问题可视为一对多匹配问题,本文引入BS虚拟节点以及UAV虚拟节点,并通过库恩-芒克勒斯（Kuhn-Munkres,K-M）匹配算法求解子问题确定RU关联策略;进而基于所确定的RU关联策略,评估BS及UAV的缓存容量限制,调整RU关联策略。为进一步降低系统成本,提出基于成本差优化的贪婪算法,确定UAV移除策略。最后,应用泛搜索算法获得剩余UAV的最优部署位置。再次,针对干扰器协助的UAV安全通信系统的数据传输问题,考虑源端可以采用终端到终端（Device-to-Device,D2D）传输模式直接传输数据至目的端,也可基于UAV中继转发模式,通过所部署UAV中继转发数据至目的端,提出了一种联合源端、UAV及干扰器的发射功率分配,以及UAV及干扰器部署算法。定义D2D传输模式及UAV中继转发模式下的安全能效为安全速率与功率之比,在满足最大发射功率、用户最小传输速率等限制下,将联合发射功率优化,以及UAV及干扰器部署问题建模为最小安全能效最大化问题,进而针对D2D传输及UAV中继转发两种模式分别求解优化问题。由于两种模式下所建模优化问题均为非凸非线性优化问题,将原优化问题分解为UAV、干扰器部署子问题及发射功率优化子问题。通过应用泛搜索算法以及连续凸逼近（Successive Convex Approximation,SCA）技术对其进行求解,从而得到联合源端、UAV及干扰器的发射功率优化,以及UAV、干扰器部署策略。最后,总结本文主要研究工作,分析本文可进一步拓展的研究方向。

关键词：无人机部署内容缓存功率分配安全通信

基于仿生优化算法的无人机轨迹规划及部署研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于仿生优化算法的无人机轨迹规划及部署研究

作者：林宇晖厦门大学

学位级别：硕士

在当前万物互联的背景之下,车联网、无人机的相关应用越来越广泛,尤其在一些特殊的城市通信场景中(比如应急通信),利用无人机机动灵活的优势,可以将其与车联网进行结合,为无法接入基站信号的车辆和用户提供良好的通信服务。本文设计并... 详细信息

在当前万物互联的背景之下,车联网、无人机的相关应用越来越广泛,尤其在一些特殊的城市通信场景中(比如应急通信),利用无人机机动灵活的优势,可以将其与车联网进行结合,为无法接入基站信号的车辆和用户提供良好的通信服务。本文设计并研究了无人机在城市应急场景中的两大应用。首先,在城市应急场景中,为了更好地得知地面的受灾情况,利用无人机航摄各个需要重点监测的地区,然后将拍摄到的图片信息传输到正在行驶中的车辆。在此过程中,无人机的飞行轨迹会对信息采集和传输性能造成一定影响。为了研究无人机的最佳轨迹规划问题,本文建立了无人机与车辆协同运动过程中的信息传输问题模型。针对此模型,可以采用传统的粒子群算法对无人机飞行速度进行求解。但无人机遍历采集点的先后顺序是离散问题,故必须对粒子进行离散化处理,使得粒子搜索空间由连续空间变为离散空间,从而求解出无人机到下一采集点过程中的飞行目的地。为此需要将原始粒子进化方式和离散化的粒子进化方式结合。同时,考虑到粒子群算法在计算迭代过程中容易出现过早收敛的问题,引入遗传算法中的杂交、变异思想对算法进一步改良,最终得到一种全新的混合算法——遗传混合粒子群算法。通过最终的仿真实验证明,本文提出的算法较于未改进的算法能够在保障信息传输质量的基础上达到更快的收敛速度。在地震等重大灾害发生中,基站和路侧单元等基础设施遭到破坏,此时,利用无人机作为空中基站进行部署以快速恢复灾后车辆间的通信和重点区域管控。考虑到放飞无人机数目的限制,无法对所有路段实现全部覆盖,因此无人机应该重点覆盖车辆密集、通信频繁的热点区域。鉴于目前已有大量文献对热点区域划分方法做了相关研究,因此本文研究的侧重点在于在已知的热点区域分布的前提下,通过合理设计的无人机部署方案,实现有限无人机对尽量多的重要热点区域的最大化覆盖。考虑到布谷鸟算法参数较少、全局搜索能力较强,因此本文使用该算法进行无人机部署。然而,传统布谷鸟算法在更新鸟巢过程中存在较强的随机性,常常出现不合理的鸟巢位置。对此,本文提出了一种改进的布谷鸟算法以求解无人机最佳部署位置。最终仿真实验结果表明,本文所提的改进后的布谷鸟算法相比于改进前的算法收敛性速度更快,且该算法得到的结果接近目标最优解。

关键词：无人机轨迹规划无人机部署

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的无人机无线网络部署研究

基于机器学习的无人机无线网络部署研究

作者：刘杰北京邮电大学

学位级别：硕士

随着通信技术的发展,无人机基站以其灵活性和独有的信道特性受到广泛关注。对单无人机部署位置的研究当前较为成熟,但以信道传输总速率最大化为目标求解多无人机部署位置的问题尚待探索。现有研究已逐渐从静止用户转向比较复杂的运动用... 详细信息

随着通信技术的发展,无人机基站以其灵活性和独有的信道特性受到广泛关注。对单无人机部署位置的研究当前较为成熟,但以信道传输总速率最大化为目标求解多无人机部署位置的问题尚待探索。现有研究已逐渐从静止用户转向比较复杂的运动用户,该场景下无人机基站需随用户的运动实时调整才能提供良好的服务。本文主要研究用户运动情景下的多无人机快速部署问题,具体研究内容如下:（1）无人机无线网络快速部署策略研究。本文针对快速优化无人机部署位置的问题,提出了基于地理位置信息的深度强化学习算法（GPI-Learning）,实现无线网络下行链路信道传输总速率最大化的目标。该算法结合前馈神经网络与强化学习,首先用强化学习算法获得一批用户所对应的无人机最优部署位置,随后使用前馈神经网络学习用户与无人机之间的位置关系,最终能够快速获取无人机最优部署位置。仿真结果验证算法在保证无线网络性能的同时提高了求解速度。（2）无人机无线网络快速轨迹规划策略研究。考虑到无人机速度的制约,前述GPI-Learning算法无法保证无人机部署位置在下一时刻可达,因此本文针对带速度约束的无人机轨迹规划问题,提出了基于深度学习的布谷鸟搜索算法（CSGPI-Learning）。该算法首先使用GPI-Learning获取理论最优部署位置,若该位置不可达则使用布谷鸟搜索算法获取可达范围内最佳部署位置。仿真结果表明算法在实现快速部署和提高总传输速率目标的同时,保障部署位置的可达性。（3）基于用户位置预测的无人机轨迹规划策略研究。前面研究中使用用户当前位置确定无人机下一时刻的部署位置,为消除用户位置同步滞后的影响、进一步提升传输速率,本文提出了基于矩阵回归的强化学习算法（MR-RL）。该算法通过矩阵回归实现了对用户位置的预测,再使用强化学习算法规划无人机位置。最后,基于微软亚洲研究院的轨迹数据,仿真验证了该算法相较于无预测的强化学习算法,能够进一步提高无人机基站的无线网络下行链路信道总传输速率。

关键词：无人机部署无线网络机器学习

空-天-地一体化移动边缘计算系统的部署优化和计算卸载

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2023年第2期50卷 69-79页

作者：郑鸿强张建山陈星福州大学数学与计算机科学学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116

空-天-地一体化的通信技术作为一种新兴的架构,能够有效提高地面终端的网络服务质量,近年来引起了广泛关注。文中研究了一种空-天-地一体化的移动边缘计算系统,其中多台无人机为地面设备提供低延迟的边缘计算服务,近地轨道卫星为地面设... 详细信息

空-天-地一体化的通信技术作为一种新兴的架构,能够有效提高地面终端的网络服务质量,近年来引起了广泛关注。文中研究了一种空-天-地一体化的移动边缘计算系统,其中多台无人机为地面设备提供低延迟的边缘计算服务,近地轨道卫星为地面设备提供无处不在的云计算服务。由于无人机的部署位置和计算任务的卸载方案是影响系统性能的关键因素,因此需要对无人机的部署位置、地面设备与无人机之间的连接关系以及计算任务的卸载比例进行联合优化,实现系统内系统平均任务响应时延最小化。并且,由于形式化定义的联合优化问题是一个混合非线性规划问题,因此设计了一种双层优化算法,在该算法的上层,提出了一种结合了遗传算法算子的粒子群优化算法来优化无人机的部署位置,并在算法的下层采用贪心算法来实现对计算任务卸载方案的优化。大量的数值仿真实验验证了所提算法的可行性和有效性。结果表明,与其他基准算法相比,所提算法能有效降低系统的任务平均响应时延。

关键词：空-天-地一体化网络移动边缘计算无人机部署计算卸载