[论文解读] Mobile Edge Computing for Cellular-Connected UAV: Computation Offloading and Trajectory Optimization

Xiaowen Cao, Jie Xu+1 more|arXiv (Cornell University)|Mar 10, 2018

UAV Applications and OptimizationEngineering参考文献 8被引用 16

一句话总结

本文提出了一种针对蜂窝连接无人机的联合轨迹与计算卸载优化框架，通过利用多个地面基站（GBS）实现并行任务执行，以最小化任务完成时间。采用交替优化与连续凸逼近方法，该方案通过动态调整无人机飞行路径以最大化卸载效率，显著降低了延迟，尤其在高计算量任务中效果显著。

ABSTRACT

This paper studies a new mobile edge computing (MEC) setup where an unmanned aerial vehicle (UAV) is served by cellular ground base stations (GBSs) for computation offloading. The UAV flies between a give pair of initial and final locations, during which it needs to accomplish certain computation tasks by offloading them to some selected GBSs along its trajectory for parallel execution. Under this setup, we aim to minimize the UAV's mission completion time by optimizing its trajectory jointly with the computation offloading scheduling, subject to the maximum speed constraint of the UAV, and the computation capacity constraints at GBSs. The joint UAV trajectory and computation offloading optimization problem is, however, non-convex and thus difficult to be solved optimally. To tackle this problem, we propose an efficient algorithm to obtain a high-quality suboptimal solution. Numerical results show that the proposed design significantly reduces the UAV's mission completion time, as compared to benchmark schemes.

研究动机与目标

• 解决由于尺寸、重量和功率（SWAP）约束导致的无人机上计算资源有限的问题。
• 实现无人机向具备MEC能力的多个蜂窝地面基站（GBS）的高效计算卸载。
• 在速度、位置和GBS容量约束下，通过联合优化轨迹与卸载调度，最小化无人机任务完成时间。
• 通过次优但高效的算法设计，克服联合优化问题的非凸性。

提出的方法

• 建立一个非凸优化问题，通过联合优化轨迹与计算卸载调度来最小化无人机任务完成时间。
• 应用交替优化方法解耦轨迹与卸载变量，迭代求解。
• 使用连续凸逼近（SCA）将非凸约束迭代近似为凸约束，以获得可解的解。
• 设计初始启发式轨迹（直线飞行），并通过时间长度的二分搜索进行优化，以确保可行性。
• 优化连续悬停与飞行基准方案中的时间分配与悬停时长，用于性能比较。
• 实施基于采样的轨迹投影（每1秒一次），以可视化和分析不同任务负载下的优化飞行路径。

实验结果

研究问题

• RQ1 在蜂窝连接MEC环境下，如何联合优化无人机轨迹与计算卸载，以最小化任务完成时间？
• RQ2 任务大小对最优无人机飞行策略与卸载效率有何影响？
• RQ3 所提出的联合优化方案与基准方案（如直线飞行与连续悬停-飞行）相比，在延迟降低方面表现如何？
• RQ4 在计算容量受限条件下，动态轨迹自适应能在多大程度上提升卸载性能？

主要发现

• 对于小任务量（例如，L = 100 Mbits），直线飞行方案与所提设计的任务完成时间相同，因为飞行时间占主导地位。
• 当任务量增加时（例如，L = 200 Mbits），无人机偏离直线路径，飞向GBS 1、4和5以利用更优的信道条件进行卸载。
• 对于大任务（L = 500 Mbits），无人机在GBS 4和5上方悬停并来回飞行，表明计算时间成为主要瓶颈。
• 所提设计在所有任务量下均优于两种基准方案，且随着任务量增加，性能差距进一步扩大。
• 在L = 300 Mbits时，连续悬停-飞行方案表现接近所提设计，但在更高负载下因访问顺序固定且飞行路径更长而显著落后。
• 数值结果证实，所提算法显著降低了任务完成时间，尤其在高计算工作负载下效果显著。