来源：期刊VIP网 时间：
作者：任进;黄敏;
单位：北方工业大学人工智能与计算机学院;
摘要：移动边缘计算(Mobile Edge Computing, MEC)技术在灾情救援、森林火警预警等对低延迟和资源稳定性要求苛刻的场景中应用日益广泛，然而地面基础设施匮乏常限制其效能。无人机(Unmanned Aerial Vehicle, UAV)凭借部署灵活性和高机动性，成为解决此问题的理想平台。创新地提出了一种均衡多UAV覆盖路径规划(Balanced Multi-UAV Coverage Path Planning, BmUCPP)方法，结合覆盖路径生成(Spanning Tree Coverage, STC)与最小生成树(Minimum Spanning Tree, MST)算法，重点解决多UAV协同作业中的负载失衡问题。针对边缘计算模型的多目标优化挑战，开发了改进的人工蜂群(Improved Artificial Bee Colony, IABC)-遗传算法(Genetic Algorithm, GA)的混合优化算法——IABC-GA,以最小化关键目标并保障MEC服务质量。测试表明，IABC-GA在寻优能力、收敛速度和稳定性上优势显著。为应对野外或灾区的实际需求，考虑UAV的通信、计算、续航限制，环境通信质量和地面用户设备(User Equipment, UE)能力，建立了一个动态UAV辅助MEC模型，旨在最小化UE与UAV的平均加权能效(结合能耗与时延)。通过深度结合所提BmUCPP与任务调度算法，多维度仿真证明该协同方案能有效降低动态UAV辅助边缘卸载的总体代价。
关键词：移动边缘计算;;无人机;;路径规划;;人工蜂群算法;;卸载策略
基金资助：2025年北京市大学生创新创业训练计划项目(XN066-302);; 2023年北京市高等教育学会面上课题(MS2023178)~~
