✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

 👇 关注我领取海量matlab电子书和数学建模资料 

🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。

🔥 内容介绍 

多无人机辅助的多接入边缘计算（MEC）作为空天地一体化网络的核心组成部分，能够为地面用户提供灵活的计算卸载与通信服务，在应急救援、巡检监测等场景中展现出巨大应用潜力。然而，无人机机载能量有限，传统正交多址接入（OMA）框架下多用户并行卸载时频谱资源冲突严重，系统能耗居高不下，严重制约了无人机的续航时长与服务覆盖范围。本文构建了基于非正交多址接入（NOMA）的多无人机MEC节能优化框架，通过联合优化无人机三维部署、用户卸载决策、NOMA功率分配、计算资源调度与子信道分配，在满足所有用户任务时延约束的前提下最小化系统总能耗。针对该混合整数非线性规划（MINLP）问题，提出基于匹配博弈与连续凸逼近的分层迭代求解算法，将复杂问题解耦为无人机部署、用户关联、资源分配三个子问题分步迭代求解。仿真结果表明，所提NOMA辅助方案相比传统OMA方案，系统总能耗降低31.7%，用户平均任务完成时延缩短27.4%，在相同机载能量约束下无人机的服务时长提升42%，实现了频谱效率与能量效率的双重优化。

‌关键词‌：非正交多址接入（NOMA）；多无人机；多接入边缘计算（MEC）；节能优化；计算卸载；资源分配

一、引言

随着物联网与智能终端的快速普及，海量低功耗设备产生了大量计算密集型、时延敏感型任务，如实时图像处理、环境感知数据解析等。传统地面MEC网络受部署位置限制，在偏远区域、灾后应急场景中难以提供有效覆盖。无人机凭借高机动性、高视距通信概率的优势，可搭载边缘计算服务器快速部署，构建空基边缘计算网络，为地面用户提供就近的计算卸载服务。

但多无人机MEC系统仍面临两大核心挑战：一是无人机机载电池容量有限，通信与计算能耗的快速消耗会大幅缩短任务续航时间；二是大量地面用户同时向无人机卸载任务时，传统OMA机制下正交时频资源严重不足，用户间传输冲突加剧，导致传输时延与能耗急剧上升。非正交多址接入（NOMA）通过功率域复用，允许同一子信道同时服务多个用户，在接收端采用串行干扰消除（SIC）技术分离叠加信号，可在不增加频谱资源的前提下大幅提升系统接入容量与频谱效率，为解决多无人机MEC的节能难题提供了全新思路。

近年来相关研究已验证了NOMA在地面MEC场景中的能效优势，但针对多无人机场景的研究大多忽略了无人机三维动态部署与NOMA资源分配的深度耦合关系，也未充分考虑无人机机载能量约束对卸载策略的影响。本文立足多无人机空基边缘计算场景，将NOMA的功率域复用特性与无人机的高机动性深度结合，构建全局节能优化模型，实现通信、计算、部署资源的协同最优配置。

二、系统模型构建

本文研究的多无人机NOMA-MEC系统包含K架搭载边缘计算服务器的无人机，以及M个地面物联网用户设备。所有无人机在三维空间中动态部署，为覆盖范围内的地面用户提供计算卸载服务。系统总带宽划分为N个正交子信道，同一子信道上最多支持2个用户通过NOMA协议同时向关联无人机卸载任务，大幅提升频谱复用率。

⛳️ 运行结果

🔗 参考文献

🍅更多创新智能优化算法模型和应用场景可扫描关注

🌟机器学习/深度学习类：BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer、模糊小波神经网络、宽度学习等等均可~

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟组合预测类：CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~

🌟分解类：EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~

🌟路径规划类：旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化等等~

🌟小众优化类：生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化、微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化等等均可~

 🌟 无人机应用方面：无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌟通信方面：传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟信号处理方面：信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面： 微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化\智能电网分布式能源经济优化调度，虚拟电厂，能源消纳，风光出力，控制策略，多目标优化，博弈能源调度，鲁棒优化

🌟原创改进优化算法（适合需要创新的同学）：原创改进2025年的波动光学优化算法WOO以及三国优化算法TKOA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心