[论文解读] Energy Efficient Resource Allocation in UAV-Enabled Mobile Edge Computing Networks
本文提出了一种低复杂度的迭代算法，用于在多无人机（UAV）支持的移动边缘计算（MEC）网络中实现节能资源分配，联合优化用户关联、功率控制、计算能力分配和无人机三维位置。通过利用压缩感知、闭式解以及一维搜索，该算法相较于传统方法显著降低了总功率消耗，且通过连续凸逼近方法保证了收敛性。
In this paper, we consider the sum power minimization problem via jointly optimizing user association, power control, computation capacity allocation and location planning in a mobile edge computing (MEC) network with multiple unmanned aerial vehicles (UAVs). To solve the nonconvex problem, we propose a low-complexity algorithm with solving three subproblems iteratively. For the user association subproblem, the compressive sensing based algorithm is accordingly is proposed. For the computation capacity allocation subproblem, the optimal solution is obtained in closed form. For the location planning subproblem, the optimal solution is effectively obtained via one-dimensional search method. To obtain a feasible solution for this iterative algorithm, a fuzzy c-means clustering based algorithm is proposed. Numerical results show that the proposed algorithm achieves better performance than conventional approaches.
研究动机与目标
- 最小化多无人机支持的移动边缘计算（MEC）网络中的总和功率消耗。
- 在时延和覆盖约束下，联合优化用户关联、功率控制、计算能力分配和无人机三维位置规划。
- 通过迭代子问题分解方法，解决总和功率最小化问题的非凸性。
- 设计一种低复杂度算法，具备可证明的收敛性和可行性。
- 在能效和系统性能方面优于传统方法。
提出的方法
- 采用基于连续凸逼近的迭代算法，求解非凸的总和功率最小化问题。
- 应用压缩感知求解带ℓ₀-范数正则化的用户关联子问题，每轮迭代均获得闭式解。
- 通过将问题分解为更小的子问题，推导出计算能力分配的最优闭式解。
- 采用一维二分查找方法，为每组用户关联和计算分配确定最优的无人机三维位置。
- 引入基于模糊c均值聚类的初始化方法，确保迭代算法的可行性。
- 通过证明每轮迭代中总和功率目标函数单调非增，从而证明算法的收敛性。
实验结果
研究问题
- RQ1在ℓ₀-范数约束下，如何优化用户关联以最小化多无人机MEC网络中的总和功率？
- RQ2在无人机与用户之间，计算能力分配的最优闭式解是什么？
- RQ3如何最优规划无人机三维位置，以在满足覆盖和时延约束的前提下最小化能耗？
- RQ4结合这些子问题的迭代算法能否实现收敛，并优于传统方法？
- RQ5在实际多无人机MEC部署中，所提方案的复杂度与可行性之间存在怎样的权衡？
主要发现
- 与传统资源分配方案相比，所提算法在多无人机MEC网络中实现了显著的总和功率降低。
- 基于压缩感知的用户关联方法为ℓ₀-范数问题提供了可行且低复杂度的解决方案，支持闭式更新。
- 计算能力分配的最优解以闭式形式推导得出，支持高效且可扩展的实现。
- 一维二分查找能有效找到每轮迭代中无人机的最优三维位置，确保收敛性。
- 由于总和功率目标函数每轮迭代单调递减，且下界为零，因此迭代算法可保证收敛。
- 数值结果证实，所提方法在能效和系统性能方面均优于现有方法。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。