Multi-UAV Aided Multi-Access Edge Computing in Marine Communication Networks: A Joint System-Welfare and Energy-Efficient Design
Notice bibliographique
Résumé
The integration of unmanned aerial vehicles (UAVs) and marine communication networks has been emerging as a promising paradigm to cater for the growing maritime activities, e.g., marine environment monitoring and ocean resource exploration. The increasing growth of marine applications and services poses challenges for processing marine data, while the resources-limited UAVs cannot satisfy the requirements of computing-intensive and energy consumption. In this paper, we consider a marine edge computing scenario with a group of UAVs and ocean beacon stations (OBSs) and propose a multi-UAV aided multi-access edge computing for marine networks from the perspective of system-welfare and energy-efficient design. Specifically, we propose a multi-task multi-access offloading scheme in marine edge computing networks, in which multiple UAVs can process their workloads locally or offload their partial workloads to multiple OBSs for processing. We consider the total utilities for completing all tasks as the system welfare, and measure the difference between the system welfare and energy consumption as the system revenue. A joint optimization problem is formulated by optimizing the OBS selection, the offloading ratio and the transmission duration, with the objective of increasing the system revenue in marine edge computing networks. We exploit a vertical decomposition architecture to solve the formulated non-convex problem via decomposing it into three sub-problems. Regarding each sub-problem, we propose efficient algorithms to derive the optimal solutions. We finally conduct simulations to verify the performance of the proposed algorithms. The results demonstrate that our proposed algorithms can achieve the best performance for improving the system revenue in comparison with several benchmark algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».