[论文解读] Computation Rate Maximization in UAV-Enabled Wireless Powered Mobile-Edge Computing Systems

Fuhui Zhou, Yongpeng Wu+2 more|arXiv (Cornell University)|Jun 8, 2018

UAV Applications and Optimization参考文献 13被引用 26

一句话总结

该论文提出了一种无人机（UAV）辅助的无线能量收集移动边缘计算系统，旨在最大化在能量收集和移动性约束下的计算速率。该研究设计了一种两阶段算法用于部分卸载，以及一种三阶段替代算法用于二值卸载，推导出最优CPU频率、卸载时间和传输功率的闭式解，仿真结果表明其性能优于基准方案且复杂度较低。

ABSTRACT

Mobile edge computing (MEC) and wireless power transfer (WPT) are two promising techniques to enhance the computation capability and to prolong the operational time of low-power wireless devices that are ubiquitous in Internet of Things. However, the computation performance and the harvested energy are significantly impacted by the severe propagation loss. In order to address this issue, an unmanned aerial vehicle (UAV)-enabled MEC wireless powered system is studied in this paper. The computation rate maximization problems in a UAV-enabled MEC wireless powered system are investigated under both partial and binary computation offloading modes, subject to the energy harvesting causal constraint and the UAV's speed constraint. These problems are non-convex and challenging to solve. A two-stage algorithm and a three-stage alternative algorithm are respectively proposed for solving the formulated problems. The closed-form expressions for the optimal central processing unit frequencies, user offloading time, and user transmit power are derived. The optimal selection scheme on whether users choose to locally compute or offload computation tasks is proposed for the binary computation offloading mode. Simulation results show that our proposed resource allocation schemes outperforms other benchmark schemes. The results also demonstrate that the proposed schemes converge fast and have low computational complexity.

研究动机与目标

• 解决低功耗物联网设备计算能力有限和电池寿命短的问题。
• 通过部署无人机作为空中接入点，提升移动边缘计算中的能量收集效率和计算性能。
• 在能量因果性和移动性约束下，联合优化用户卸载决策、传输功率、CPU频率和无人机轨迹。
• 设计低复杂度算法，实现高计算速率并具备快速收敛特性。

提出的方法

• 提出一种无人机辅助的无线供能移动边缘计算（WPMC）系统，以提升能量传输和计算效率。
• 针对部分计算卸载，设计一种两阶段算法，优化用户卸载时间、传输功率和CPU频率，满足能量因果性约束。
• 提出一种三阶段替代算法用于二值卸载，确定最优卸载决策和资源分配。
• 利用拉格朗日对偶和Karush-Kuhn-Tucker（KKT）条件，推导出最优CPU频率、用户卸载时间和传输功率的闭式表达式。
• 采用对偶分解和序列优化方法，处理资源分配问题中的非凸性。
• 应用交替方向乘子法（ADMM）框架，高效分解并求解复杂的优化问题。

实验结果

研究问题

• RQ1 如何利用无人机移动性在无线供能移动边缘计算系统中最大化计算速率？
• RQ2 在能量收集约束下，本地计算与任务卸载之间的最优权衡是什么？
• RQ3 在因果能量约束和无人机移动性限制下，如何优化资源分配？
• RQ4 在部分卸载和二值卸载模式下，最优CPU频率、传输功率和卸载时间的闭式解是什么？
• RQ5 所提算法在性能和复杂度方面与基准方案相比如何？

主要发现

• 所提出的两阶段和三阶段算法在计算速率方面优于传统基准方案。
• 算法收敛迅速且计算复杂度低，适用于实时部署。
• 推导出最优CPU频率、传输功率和卸载时间的闭式表达式，支持高效实现。
• 当用户任务计算需求高且本地处理能力有限时，二值卸载模式性能更优。
• 仿真结果证实，与地面基站相比，无人机部署显著提升了能量收集效率和计算速率。
• 最优选择本地执行或卸载取决于能量成本与计算时延之间的权衡，算法能根据信道和能量状态动态调整。