Key points are not available for this paper at this time.
Le calcul en périphérie mobile (MEC) activé par des véhicules aériens sans pilote (UAV) a récemment émergé pour fournir le traitement de données et la mise en cache dans les zones sans infrastructure. Cependant, la capacité limitée de la batterie des UAV limite son temps d'endurance et rend l'efficacité énergétique l'une des priorités principales dans l'implémentation de l'architecture MEC activée par UAV. Dans ce contexte, nous visons à minimiser la consommation énergétique de l’UAV en optimisant conjointement sa trajectoire, l’allocation de ressources, la prise de décision des tâches et la planification des bits des utilisateurs en tenant compte de l’équité. Le problème est formulé comme un problème de programmation non linéaire à entiers mixtes avec des variantes fortement couplées, et transformé en trois sous-problèmes plus traiteables : 1) optimisation de la trajectoire Pₓ ; 2) prise de décision des tâches et planification des bits Pₒ ; et 3) allocation de ressources Pₑ. Ensuite, nous proposons un algorithme itératif pour les traiter dans un ordre séquentiel, et concevons en outre un algorithme basé sur une méthode de pénalité pour réduire la complexité de calcul lorsque l'algorithme de branchement et de bornage (B&B) entraîne une complexité élevée pour résoudre Pₒ. Les résultats de simulation démontrent que notre algorithme proposé peut réduire efficacement la consommation d’énergie de l’UAV, et aider à économiser entre 17.7 % et 54.6 % et entre 78.9 % et 91.9 % d'énergie par rapport à l'allocation de ressources égale et à l'allocation de ressources aléatoire. De plus, il réduit le temps d'exécution de plus de 88 % et atteint des performances relativement satisfaisantes par rapport à B&B.
Zhao et al. (Mardi,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: