计算机应用

作者：孙鉴, 张伟, 马宝全, 吴隹伟, 杨晓焕, 武涛

单位：1.北方民族大学 计算机科学与工程学院，银川 750021；2.图像图形智能处理国家民委重点实验室（北方民族大学），银川 750021

关键词：移动边缘计算,无人机群,任务卸载,负载均衡,航迹规划,集群并行计算

基金：国家自然科学基金资助项目(62062002);宁夏自然科学基金资助项目(2024AAC03192);宁夏自然科学基金资助项目(2022AAC03245)

无人机群（UAV swarm）结合5G网络成为携带计算资源的集群飞行工具后可以为移动边缘计算（MEC）网络提供额外算力支持。在半连接网络中，针对基础设施算力稀缺、海量任务数据、移动物联网（IoT）设备分布不均和利用正交频分多址（OFDMA）技术进行通信的复杂场景等挑战，提出由地面设备层、无人机（UAV）层和边缘计算层构成的移动感知自适应并行计算任务卸载系统（MATOS），以降低任务的卸载时延和能耗，从而提升任务卸载的成功率。所提系统利用UAV swarm作为空中基站（ABS）完成任务卸载和任务中继服务。首先，为了提升地面设备与UAV swarm之间的任务传输质量，结合任务属性与区域服务设备移动感知思想提出任务协同收集机制；其次，提出自适应并行遗传蚁群优化（AGACO）任务卸载机制，同时结合UAV swarm航迹规划思想，使ABS负载均衡并降低任务卸载时延；最后，以UAV swarm航迹规划、任务卸载时延和任务卸载能耗为联合优化指标，提升任务卸载成功率。实验结果表明，与基于分层云团架构的飞行器系统RESERVE（hieRarchical cloudlEt-baSed aERial Vehicle systEm）、智能可信任务卸载系统（STMTO）和无人机边缘计算物联网网络（UECIN）、多无人机辅助卸载系统（MAOS）和移动感知在线任务卸载（MOTO）系统相比，MATOS在飞行能耗上最大降低了40%，在任务卸载时延上相较于RESERVE最大降低了38.8%，在任务卸载能耗上相较于RESERVE最大降低了44.1%，验证了MATOS的优越性。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期