面向公平性的无人机协同轨迹优化与任务卸载

来源：电讯技术杂志2025年第6期北京时间：

作者：田旭,王华华,廖福建,郑少杰

单位：(重庆邮电大学 通信与信息工程学院，重庆 400065)

摘要：为了满足物联网（Internet of Things,IoT）系统的用户设备计算需求，使用携带移动边缘计算服务器的无人机（Unmanned Aerial Vehicle,UAV）协同用户设备进行任务卸载。针对用户设备存在的数据隐私和数据开销问题，引入联邦学习进行模型训练。针对计算资源分配不合理的现象，考虑了用户公平性，基于Jain公平指数引入了公平性因子。通过联合优化每架无人机的飞行轨迹和卸载决策，共同最大化系统的总能耗和覆盖范围内的用户公平性，并提出了一种结合Actor-Critic网络的联邦强化学习算法（Federated Reinforcement Learning Combined with Actor-Critic Network,FRLACN），使用Actor-Critic为每个设备生成最优决策动作，进行了更精确的梯度更新，充分利用其异构资源。仿真结果表明，所提FRLACN算法相比传统联邦学习算法降低了11%的总能耗，数据传输成本方面减少了8.7%，并提高了用户公平性。

关键词：多无人机协同；任务卸载；移动边缘计算；联邦强化学习；公平性；

基金资助：重庆市自然科学基金创新发展联合基金（中国星网）（CSTB2023NSCQ-LZX0114）