在低空无线网络中，基于分布式鲁棒性的计算卸载与轨迹优化技术

《IEEE Transactions on Mobile Computing》：Distributionally Robust Computation Offloading and Trajectory Optimization in Low-Altitude Wireless Networks

　　

摘要：

低空无线网络结合了无人机（UAV）的灵活性和高空平台（HAP）的广泛覆盖范围，有望满足日益增长的计算需求。然而，在为地面用户（GUs）提供计算卸载服务时，需要同时考虑用户需求的不确定性以及无人机的高移动性。在本文中，我们探讨了无人机与高空平台之间的合作，以实现计算卸载功能。为了描述任务规模的不确定性，我们构建了与不同概率指标相关的多种不确定性集合，例如L1范数、L∞范数以及Fortet-Mourier指标。基于这些不确定性集合，我们构建了一个分布式鲁棒优化问题，通过联合优化卸载决策和无人机轨迹来最小化最坏的预期延迟，这是一个NP难混合整数最小-最大问题。为了使其易于处理，我们采用迭代方法分别解决外层最小化问题（涉及概率分布）和内层最大化问题（涉及卸载决策和无人机轨迹）。外层问题是凸的，可以使用优化工具包来解决。为了处理内层混合整数问题，我们基于Benders分解和连续凸近似算法进行了设计。仿真结果表明，所提出的算法在最坏预期延迟和对抗概率分布变化的鲁棒性方面优于传统优化方法。