通过双重回放TD3算法，实现无人机辅助的MEC系统在保障保密性、能源消耗和延迟方面的效用最大化

《Electronics》：Utility Maximization Integrating Secrecy, Energy Consumption, and Latency for UAV-Assisted MEC Systems via Dual-Replay TD3

　　

摘要

无人驾驶飞行器（UAV）辅助的移动边缘计算（MEC）已成为为地理分散的物联网（IoT）终端提供计算和通信支持的一种实用手段。然而，无线链接的广播特性使得数据传输容易受到协同窃听的攻击。此外，UAV的有限能量以及MEC服务的延迟敏感性导致了 secrecy rate（保密性）、能源消耗和延迟之间的挑战性权衡。为了解决这个问题，我们提出了一个效用最大化问题，以联合优化UAV辅助MEC系统中的UAV轨迹和任务卸载决策，以应对多个窃听者。由于优化变量之间的强耦合以及问题的非凸性，我们提出了一种改进的基于双向延迟的深度确定性策略梯度（TD3）框架，该框架结合了 hindsight experience replay（HER）和 prioritized experience replay（PER），以提高收敛效率和学习稳定性。此外，我们还设计了一个系统效用驱动的奖励函数，以在不同的应用需求下平衡保密性、能源消耗和处理延迟。仿真结果表明，所提出的方法在系统效用、保密性能、收敛速度以及对不同场景的适应性方面始终优于DDQN、DDPG和传统的TD3。