基于DRL的无人机辅助边缘计算服务质量优化

来源：信号处理杂志 2022年第6期北京时间：

作者：敬乐天, 贾向东, 曹肖攀, 万妮妮, 殷家祥

摘要：针对无人机（Unmanned Aerial Vehicle， UAV）搭载移动边缘服务器为地面用户进行服务时的服务质量（Quality of Service， QoS）问题，提出了一种基于深度强化学习的优化方案，旨在优化UAV飞行轨迹和卸载方案以最大化UAV为用户服务时的QoS。首先，定义了任务延迟来表征任务新鲜度，在任务延迟的基础上提出了一种新的QoS评价指标；其次，将最大化QoS问题建模为一个无转移概率的马尔可夫决策过程，并定义了该过程的状态空间、动作空间和奖励函数；最后，UAV通过所提出的算法进行训练，优化任务卸载方案并寻找最优飞行轨迹为地面用户进行服务以提高QoS。仿真结果表明所提算法较于其他算法能有效提高UAV为地面用户服务过程中的QoS且提高任务新鲜度。

关键词：无人机, 边缘计算, 深度强化学习, 轨迹, 服务质量