​一Dian分享之顶刊论文分享——《多无人机使能云边系统的协同卸载算法研究》

一Dian分享之顶刊论文分享——《多无人机使能云边系统的协同卸载算法研究》

文| 753号队员 吴辰洋

2023年2月26日晚，白卓懿学长在团队例会上为大家做了关于《Delay-Aware Cooperative Task Offloading for Multi-UAV Enabled Edge-Cloud Computing》的论文分享。这篇文章是白卓懿学长在2022年发表在IEEE Transactions on Mobile Computing上的，主要解决的问题是多无人机云边计算系统中的任务卸载时延最优化问题，指导老师为曹洋老师。

首先，白学长向大家科普了云边计算系统的概念以及如何实现云边计算。相较于单纯的云计算，边缘计算通过将服务器位置推向用户，可以显著减轻骨干网压力以及降低时延。无人机由于其受地形影响小、具有一定承载能力等特点，可以搭载轻型服务器，在灾后救援、战地侦查等基础设施差、实时性要求高的场景下充当计算节点。将云端和边缘的优势相结合，就可以形成云边协同的一个计算系统。然而，这样的系统面临着许多问题，例如由于不同无人机所接收的任务量不同，无人机自身的计算能力也不同，就会导致负载不均衡的问题，从而增加时延。因此，本文提出了一种协同卸载策略来使负载变得均衡，以达到降低时延的目的。

图1 白卓懿学长的分享

在系统数学建模方面，白学长针对时延和能耗进行了建模。在这两个方面的建模中，白学长主要考虑了无人机之间卸载任务的时延和能耗、无人机通过地面基站向云端卸载任务的时延和能耗、以及无人机自身计算任务的时延和能耗三种场景。在能耗允许的条件下，降低这三个场景的总时延是本文需要解决的问题。

对于这个问题的求解，面临一些挑战。首先，这个问题是一个非凸问题。其次，由于该问题是实时的，无法预测下一时刻的任务到达情况。针对这两个挑战，白学长首先采用李雅普诺夫优化法，将时延和能耗进行权衡，得到一个在线优化问题。接着，对该问题进行向凸问题的逼近，使得该数学问题可以被解决。因此，可以在每个时隙进行求解，并更新在线的卸载方案。

在提出了以上模型和算法后，白学长进行了实验验证。白学长通过测量两台无人机在空中传输的带宽，并将其特性应用到地面集群上，来模拟空中集群。实验结果表明，本文所采用的模型相对于线性模型和M/M/1模型更符合真实数据。在验证了模型后，通过数值仿真，也能看出本文提出的LOC算法相对于其他算法可以充分利用能耗，以实现尽可能低的时延。

白学长的下一步工作是引入编码计算，通过增加冗余的方式，在集群中某一无人机损坏的情况下，也能通过其他无人机的计算结果恢复整体计算结果。

白学长的分享十分扎实，干货满满。我们有幸从作者角度来了解这样一篇高质量的论文，受益匪浅！