✅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：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

移动边缘计算与无人机辅助系统的兴起

随着移动互联网和物联网的迅猛发展，大量智能设备接入网络，数据量呈爆炸式增长。传统的云计算模式将数据传输到远程数据中心进行处理，面临着高时延、高能耗以及网络拥塞等问题。移动边缘计算（MEC）应运而生，它将计算资源下沉到网络边缘，使数据能够在靠近用户的位置进行处理，大大降低了数据传输时延，提升了用户体验。

无人机因其具有灵活部署、快速响应等特点，逐渐被引入到 MEC 系统中，形成无人机辅助的 MEC 系统。无人机可以携带计算资源，在一定区域内飞行，为地面用户提供更高效的计算服务。

多要素联合优化的必要性

1. 无人机轨迹：无人机的飞行轨迹直接影响其对地面用户的服务覆盖范围和信号质量。合理的轨迹规划能确保无人机在飞行过程中与更多地面用户保持良好通信，提高服务效率。例如，在人口密集区域，无人机需规划合适轨迹，使更多用户能受益于其携带的计算资源。

2. 传输功率：传输功率决定了无人机与地面用户之间数据传输的可靠性和速率。功率过高会导致能耗增加，缩短无人机续航时间；功率过低则可能出现数据传输中断或速率低下的情况。因此，精确控制传输功率至关重要。

3. 多无人机与多 GU 及 MEC 关联：在多无人机和多地面用户的场景下，如何将无人机与地面用户以及 MEC 服务器进行合理关联，直接影响系统整体性能。不同的关联策略会导致计算资源分配的差异，进而影响用户任务的处理时延和成功率。

然而，若对这些要素单独进行优化，无法充分发挥系统的潜力。例如，仅优化无人机轨迹而不考虑传输功率，可能导致在某些位置虽能覆盖用户，但因功率不足无法有效传输数据；单独优化关联而不考虑轨迹和功率，可能使关联的无人机因位置不佳或功率问题无法提供良好服务。所以，对无人机轨迹、传输功率及多无人机与多地面用户和 MEC 关联进行联合优化十分必要。

各要素原理分析

1. 无人机轨迹规划：在规划无人机轨迹时，需要考虑诸多约束条件，如飞行安全约束（避免碰撞障碍物）、能量约束（受电池容量限制）以及服务覆盖约束等。其规划目标通常是在满足这些约束的前提下，最大化对地面用户的服务时间或覆盖范围。常见的方法包括基于图搜索算法（如 Dijkstra 算法），根据地图信息和约束条件搜索最优飞行路径；或者采用优化算法（如遗传算法、粒子群算法），将轨迹参数化，通过迭代优化找到最优轨迹。

2. 传输功率控制：传输功率与数据传输质量密切相关。根据香农公式，信道容量与传输功率的对数成正比。在实际中，需要根据无人机与地面用户的距离、信道衰落情况动态调整传输功率。例如，当无人机靠近用户且信道条件良好时，可适当降低功率以节省能耗；当距离较远或信道衰落严重时，增加功率以保证数据传输的可靠性。功率控制算法通常基于对信道状态的实时监测，采用自适应功率调整策略。

3. 多无人机与多 GU 及 MEC 关联：关联原理主要涉及如何将地面用户的计算任务分配给最合适的无人机或 MEC 服务器。这需要考虑用户任务的计算需求、无人机的计算资源和剩余能量、MEC 服务器的负载情况等因素。常见的关联策略有基于用户需求优先级的策略，即根据任务紧急程度或资源需求大小为用户分配关联对象；还有基于系统整体性能优化的策略，通过建立数学模型，求解使系统时延最小化或资源利用率最大化的关联方案。

联合优化的优势与意义

通过联合优化无人机轨迹、传输功率及多无人机与多地面用户和 MEC 的关联，能够显著提升系统性能。一方面，可有效降低数据传输时延，提高用户任务处理的实时性，满足诸如自动驾驶、工业控制等对时延敏感的应用需求。另一方面，能提高资源利用效率，减少无人机能耗，延长其工作时间，同时合理分配计算资源，避免 MEC 服务器过载。这种联合优化技术对于推动未来无线通信和物联网的发展具有重要意义，有望在智能交通、智能工厂、应急救援等众多领域实现更高效的服务。

⛳️ 运行结果

📣 部分代码

function [Target,Delay_Utility,real_Delay_Utility,prop_offload] = GetTargetValue(ck_Rate, Given_TAU_umn, Given_L_un, Task_Bit_Vec, delta, N, Num_User, Num_UAV)

% GetTargetValue  get the target value

Matrix_Replicate_10_40 = zeros(Num_User, Num_User * Num_UAV);

for u=1:Num_User

    for m=1:Num_UAV

        Matrix_Replicate_10_40(u, u+(m-1)*Num_User) = 1;

    end

end

offload_bits = ck_Rate/1e6 .* Given_TAU_umn * delta * (Matrix_Replicate_10_40');

offload_ratio = offload_bits ./ repmat(Task_Bit_Vec/1e6,[N,1]);

Delay_Utility = sum((diag(1:1:N)) * (offload_ratio + Given_L_un), 1);

Target = max(Delay_Utility);

prop_offload = ones(1,N) * offload_ratio;

prop_local = ones(1,N) * Given_L_un;

real_offload_bits = ck_Rate .* Given_TAU_umn * delta * (Matrix_Replicate_10_40');

real_local_bits = Given_L_un * diag(Task_Bit_Vec);

real_Delay_Utility = sum((diag(1:1:N)) * (real_offload_bits + real_local_bits), 1);

fprintf('Target:%d\n', Target);

% Delay_Utility;

% real_Delay_Utility;

end

🔗 参考文献

[1]刘建华,李国华,刘佳嘉,等.无人机辅助无线供电移动边缘计算系统的多目标优化[J].电子与信息学报, 2025, 47(12):1-14.DOI:10.11999/JEIT250026.

🍅往期回顾扫扫下方二维码