面向能效的无人机辅助SWIPT-MEC联合资源管理：一种深度强化学习方法
机器学习
2025-05-22 v2
摘要
在6G物联网（IoT）网络中，无线信息与能量同传（SWIPT）技术的集成在缺乏地面基础设施的偏远地区和灾害场景中面临重大挑战。本文提出了一种新颖的无人机（UAV）辅助移动边缘计算（MEC）系统，该系统通过定向天线增强，为地面物联网终端提供计算资源和能量支持。然而，此类系统需要多种权衡策略，以在无人机电池容量有限、非线性能量采集特性以及动态任务到达等多种约束下，平衡无人机能耗、终端电量水平与计算资源分配。为全面应对这些挑战，我们构建了一个同时考虑系统能效和终端电池可持续性的双目标优化问题。随后，我们将这个具有混合解空间的非凸问题重新表述为马尔可夫决策过程（MDP），并提出一种带有动作简化机制的改进型软演员-评论家（SAC）算法，以增强其收敛性和泛化能力。仿真结果表明，我们提出的方法在不同场景下均优于各种基线，在保持高计算性能的同时实现了高效的能量管理。此外，我们的方法在不同场景下表现出强大的泛化能力，尤其是在复杂环境中，验证了我们设计的边界惩罚和充电奖励机制的有效性。
引用
@article{arxiv.2505.03230,
title = {Joint Resource Management for Energy-efficient UAV-assisted SWIPT-MEC: A Deep Reinforcement Learning Approach},
author = {Yue Chen and Hui Kang and Jiahui Li and Geng Sun and Boxiong Wang and Jiacheng Wang and Cong Liang and Shuang Liang and Dusit Niyato},
journal= {arXiv preprint arXiv:2505.03230},
year = {2025}
}