[论文解读] Hierarchical Aerial Computing for Internet of Things via Cooperation of HAPs and UAVs

Ziye Jia, Qihui Wu+3 more|arXiv (Cornell University)|Feb 12, 2022

UAV Applications and Optimization被引用 4

一句话总结

本文提出了一种基于高空平台（HAPs）和无人飞行器（UAVs）的分层空中计算框架，旨在最大化在偏远或受灾区域中物联网设备的计算卸载。该框架采用基于匹配博弈论的算法进行物联网设备到UAV的卸载，以及基于启发式算法的UAV到HAP的卸载，实现了接近最优的性能，同时显著降低了复杂度，在总计算数据量和用户支持能力方面优于独立的UAV或HAP解决方案。

ABSTRACT

With the explosive increment of computation requirements, the multi-access edge computing (MEC) paradigm appears as an effective mechanism. Besides, as for the Internet of Things (IoT) in disasters or remote areas requiring MEC services, unmanned aerial vehicles (UAVs) and high altitude platforms (HAPs) are available to provide aerial computing services for these IoT devices. In this paper, we develop the hierarchical aerial computing framework composed of HAPs and UAVs, to provide MEC services for various IoT applications. In particular, the problem is formulated to maximize the total IoT data computed by the aerial MEC platforms, restricted by the delay requirement of IoT and multiple resource constraints of UAVs and HAPs, which is an integer programming problem and intractable to solve. Due to the prohibitive complexity of exhaustive search, we handle the problem by presenting the matching game theory based algorithm to deal with the offloading decisions from IoT devices to UAVs, as well as a heuristic algorithm for the offloading decisions between UAVs and HAPs. The external effect affected by interplay of different IoT devices in the matching is tackled by the externality elimination mechanism. Besides, an adjustment algorithm is also proposed to make the best of aerial resources. The complexity of proposed algorithms is analyzed and extensive simulation results verify the efficiency of the proposed algorithms, and the system performances are also analyzed by the numerical results.

研究动机与目标

• 解决在缺乏地面网络覆盖的偏远或受灾区域中，为物联网设备提供低时延、高容量的移动边缘计算（MEC）服务的挑战。
• 建立整数规划问题，以在延迟、计算、能量和传输资源的联合约束下，最大化成功计算的总物联网数据量。
• 通过计算上可行的算法，克服大规模空中计算网络中穷举搜索的不可行复杂度。
• 通过建模两个分层的卸载决策：物联网设备到UAV，以及UAV到HAP，实现HAP与UAV之间的高效协作。
• 通过调整算法优化空中平台的部署与任务分配，提升资源利用率。

提出的方法

• 设计一种分层空中计算框架，其中UAV作为中间中继节点，HAP作为处理重负载计算任务的高容量边缘服务器。
• 应用基于匹配博弈论的算法，对物联网设备向UAV的卸载决策进行建模与求解，引入偏好列表以编码延迟、能量和计算约束。
• 引入外部性消除机制，以处理物联网设备卸载决策之间的相互依赖性，确保匹配结果的稳定与高效。
• 设计一种启发式算法，用于UAV到HAP的卸载决策，优先考虑在资源受限条件下的能量效率与及时计算。
• 提出一种调整算法，动态重构UAV与HAP的角色与位置，以最大化资源利用率与系统吞吐量。
• 分析所有所提算法的计算复杂度，并通过大量仿真验证其性能，对比穷举搜索与基线方案。

实验结果

研究问题

• RQ1 如何协同HAP与UAV，以最大化空中MEC网络中成功计算的总物联网数据量？
• RQ2 在严格的延迟与资源约束下，物联网设备在UAV与HAP之间的最优卸载策略是什么？
• RQ3 如何缓解物联网设备卸载决策之间的相互依赖性（外部性），以确保稳定且高效的匹配结果？
• RQ4 HAP与UAV计算能力的变化对系统性能与能耗有何影响？
• RQ5 在大规模空中计算部署中，低复杂度算法能否实现接近穷举搜索的最优性能？

主要发现

• 所提出的分层HAP-UAV计算框架在总计算数据量和所服务物联网用户数量方面，均优于独立的UAV-only与HAP-only MEC模式。
• 基于匹配博弈论的物联网设备到UAV卸载算法，相比穷举搜索，实现了接近最优的性能，同时计算复杂度显著降低。
• HAP的计算能力对系统性能的影响强于UAV的计算能力，因为HAP作为多个UAV与物联网设备的中心处理枢纽。
• 提高HAP或UAV的计算能力会导致总能耗上升，其中HAP能力的影响更为显著，因其覆盖范围更广且负载更高。
• 调整算法有效提升了资源利用率，增强了对动态网络环境的适应能力，并提高了系统吞吐量。
• 仿真结果表明，所提算法在保持低计算开销的同时，性能接近最优解，验证了其在实际部署中的可行性。