计算机工程

作者：刘义, 罗淳, 钟伟锋, 余意, 欧智清

单位：1. 广东工业大学自动化学院, 广东 广州 5100002. 长沙市电子工业学校, 湖南 长沙 410016

关键词：移动边缘计算,多无人机协同,深度强化学习,卸载优化,计算时延最小化

基金：国家重点研发计划(2020YFB1807805); 国家重点研发计划(2020YFB1807800); 国家自然科学基金(62003099); 广东省自然科学基金(2024A1515011795); 广州市基础与应用基础研究项目(2023A04J1704)

研究多无人机(UAV)协同移动边缘计算网络中自适应合作任务卸载与分配问题。为了提高时变环境下无人机之间的协同性, 进而提升任务的执行效率, 构建时变环境下无人机任务队列模型, 并建立基于马尔可夫决策过程(MDP)的无人机任务卸载决策模型。提出一种基于合作的深度确定性策略梯度(CODDPG)算法, 以解决多无人机卸载决策优化问题。CODDPG算法结合神经网络CommNet与传统的多智能体深度确定性策略梯度(MADDPG)算法, 实现了无人机的环境观测值共享, 有效拓展了无人机的环境感知范围并增强了它们之间的协同决策能力, 并且解决了MADDPG算法中智能体的训练仅依赖局部信息而陷入局部最优解问题, 从而最小化总计算时延。经过实验证明, CODDPG算法不仅有效降低了任务计算时延, 而且与传统的MADDPG算法相比收敛速度更快。

来源：2026年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第4期