摘 要 近年來(lái) 隨著無(wú)人機(jī)技術(shù)的迅猛發(fā)展 無(wú)人機(jī)在各個(gè)領(lǐng)域得到了廣泛應(yīng)用 作為一種新興的網(wǎng)絡(luò)模型 邊緣網(wǎng)絡(luò)也引起了越來(lái)越多人的關(guān)注 為了提高邊緣網(wǎng)絡(luò)的性能和效率 研究人員開(kāi)始探索如何利用無(wú)人機(jī)來(lái)輔助邊緣網(wǎng)絡(luò)的優(yōu)化 文章通過(guò)闡述基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法的關(guān)鍵步驟和發(fā)展?jié)摿?旨在進(jìn)一步研究和完善這一方法 以實(shí)現(xiàn)更高效 可靠的邊緣網(wǎng)絡(luò)優(yōu)化

關(guān)鍵詞 機(jī)器學(xué)習(xí) 無(wú)人機(jī) 邊緣網(wǎng)絡(luò)優(yōu)化方法

中圖法分類(lèi)號(hào)tp311 文獻(xiàn)標(biāo)識(shí)碼a

１ 引言

基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法是如今備受矚目的前沿技術(shù)。隨著物聯(lián)網(wǎng)和邊緣計(jì)算的快速發(fā)展，網(wǎng)絡(luò)性能優(yōu)化成為一大挑戰(zhàn)［１］ 。而無(wú)人機(jī)的出現(xiàn)使得我們可以應(yīng)用先進(jìn)的機(jī)器學(xué)習(xí)算法來(lái)實(shí)現(xiàn)智能邊緣網(wǎng)絡(luò)優(yōu)化。這種創(chuàng)新方法利用無(wú)人機(jī)的高度靈活性和機(jī)器學(xué)習(xí)的智能決策能力，為網(wǎng)絡(luò)資源的分配和調(diào)度帶來(lái)了全新的解決方案。本文將探討基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法的原理、優(yōu)勢(shì)和應(yīng)用潛力，以期為從業(yè)者提供深入了解和把握這一新興技術(shù)的基礎(chǔ)知識(shí)。

２ 邊緣網(wǎng)絡(luò)和無(wú)人機(jī)的結(jié)合

２．１ 邊緣網(wǎng)絡(luò)和無(wú)人機(jī)技術(shù)

邊緣網(wǎng)絡(luò)（Ｅｄｇｅ Ｎｅｔｗｏｒｋ）是指將計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源放置在離用戶(hù)設(shè)備更近的物理位置上，以提供更低延遲、更高帶寬和更好用戶(hù)體驗(yàn)的分布式網(wǎng)絡(luò)架構(gòu)。它的目標(biāo)是將計(jì)算和數(shù)據(jù)處理能力推向網(wǎng)絡(luò)的邊緣，使得終端設(shè)備可以更快地響應(yīng)請(qǐng)求并進(jìn)行實(shí)時(shí)的數(shù)據(jù)處理［２］ 。

邊緣網(wǎng)絡(luò)的概念來(lái)源于人們對(duì)云計(jì)算模型的進(jìn)一步發(fā)展和優(yōu)化。在傳統(tǒng)的云計(jì)算模型中，計(jì)算和存儲(chǔ)任務(wù)主要集中在遠(yuǎn)程的數(shù)據(jù)中心，而邊緣網(wǎng)絡(luò)通過(guò)將這些任務(wù)分散到更接近用戶(hù)的邊緣節(jié)點(diǎn)上，可以縮短與減少數(shù)據(jù)傳輸?shù)木嚯x和時(shí)間，從而提供更快的服務(wù)響應(yīng)。然而，邊緣網(wǎng)絡(luò)也面臨一些挑戰(zhàn)。

（１）基礎(chǔ)設(shè)施限制。邊緣節(jié)點(diǎn)通常是由較小規(guī)模的硬件設(shè)備組成，其計(jì)算和存儲(chǔ)能力相對(duì)有限。這可能會(huì)限制邊緣網(wǎng)絡(luò)可處理的任務(wù)類(lèi)型和規(guī)模。

（２）數(shù)據(jù)管理和隱私問(wèn)題。邊緣網(wǎng)絡(luò)需要存儲(chǔ)和處理大量的用戶(hù)數(shù)據(jù)，這涉及數(shù)據(jù)的安全性和隱私保護(hù)。如何有效管理用戶(hù)數(shù)據(jù)，并確保數(shù)據(jù)不被濫用或泄露是一個(gè)重要的挑戰(zhàn)。

（３）網(wǎng)絡(luò)延遲和可靠性。邊緣節(jié)點(diǎn)與用戶(hù)設(shè)備之間的網(wǎng)絡(luò)連接可能面臨延遲和不可靠的問(wèn)題。尤其是在移動(dòng)網(wǎng)絡(luò)環(huán)境下，網(wǎng)絡(luò)連接可能會(huì)受到信號(hào)強(qiáng)度、擁塞等因素的影響，從而導(dǎo)致服務(wù)質(zhì)量下降。為了應(yīng)對(duì)這些挑戰(zhàn)，需要綜合考慮硬件、軟件、網(wǎng)絡(luò)和安全等方面的技術(shù)和策略。例如，通過(guò)優(yōu)化邊緣節(jié)點(diǎn)的硬件配置和資源利用率，引入機(jī)器學(xué)習(xí)和人工智能算法來(lái)提高系統(tǒng)的智能化和自適應(yīng)性，采用安全的數(shù)據(jù)傳輸和存儲(chǔ)機(jī)制來(lái)保護(hù)用戶(hù)隱私。此外，與運(yùn)營(yíng)商、云服務(wù)提供商合作，構(gòu)建統(tǒng)一的邊緣網(wǎng)絡(luò)架構(gòu)和標(biāo)準(zhǔn)，也是推動(dòng)邊緣網(wǎng)絡(luò)發(fā)展的關(guān)鍵因素之一。

２．２ 無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)的優(yōu)勢(shì)和可能的應(yīng)用場(chǎng)景

無(wú)人機(jī)可以在邊緣網(wǎng)絡(luò)中提供靈活的通信覆蓋。尤其是在緊急情況下，由于其可攜帶的通信設(shè)備和高空飛行的能力，無(wú)人機(jī)能夠迅速部署以填補(bǔ)通信斷裂的空白。在災(zāi)難恢復(fù)、突發(fā)事件、戰(zhàn)區(qū)通信等場(chǎng)景中，無(wú)人機(jī)可以快速建立起臨時(shí)的通信基礎(chǔ)設(shè)施，為受影響地區(qū)提供語(yǔ)音、數(shù)據(jù)和視頻通信服務(wù)。作為移動(dòng)通信中繼站，無(wú)人機(jī)能夠加強(qiáng)信號(hào)覆蓋和容量。在偏遠(yuǎn)地區(qū)、航海、林區(qū)和海島等沒(méi)有基礎(chǔ)設(shè)施的地方，無(wú)人機(jī)可以作為移動(dòng)中繼站，將信號(hào)從移動(dòng)網(wǎng)絡(luò)中心轉(zhuǎn)發(fā)到用戶(hù)終端，以提供可靠的通信服務(wù)。此外，無(wú)人機(jī)還可以應(yīng)用于特定場(chǎng)景的通信支持。在大型活動(dòng)、體育賽事、音樂(lè)會(huì)等場(chǎng)景中，人們需要大規(guī)模的同時(shí)訪問(wèn)，無(wú)人機(jī)可以提供高帶寬的通信支持，滿(mǎn)足用戶(hù)對(duì)即時(shí)通信和數(shù)據(jù)傳輸?shù)男枨?。另外，無(wú)人機(jī)在網(wǎng)絡(luò)規(guī)劃和優(yōu)化方面也有潛在的優(yōu)勢(shì)。通過(guò)搭載傳感器設(shè)備，無(wú)人機(jī)可以監(jiān)測(cè)和測(cè)試現(xiàn)有網(wǎng)絡(luò)的性能，收集數(shù)據(jù)以進(jìn)行網(wǎng)絡(luò)規(guī)劃和優(yōu)化。它們可以檢測(cè)網(wǎng)絡(luò)覆蓋的盲區(qū)、信號(hào)干擾的問(wèn)題，為網(wǎng)絡(luò)運(yùn)營(yíng)商提供反饋信息，以改進(jìn)網(wǎng)絡(luò)質(zhì)量和用戶(hù)體驗(yàn)。無(wú)人機(jī)與物聯(lián)網(wǎng)（ＩｏＴ）的結(jié)合也極具潛力。作為移動(dòng)的數(shù)據(jù)中繼服務(wù)，無(wú)人機(jī)可以為物聯(lián)網(wǎng)設(shè)備提供可靠的連接和數(shù)據(jù)傳輸，促進(jìn)物聯(lián)網(wǎng)的發(fā)展和應(yīng)用［３］ 。

３ 數(shù)據(jù)收集與預(yù)處理

３．１ 數(shù)據(jù)收集的方法和手段

基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化需要收集大量的數(shù)據(jù)并將其作為訓(xùn)練樣本，這些數(shù)據(jù)可以通過(guò)多種方法和手段進(jìn)行收集。以下是其中幾種常見(jiàn)的數(shù)據(jù)收集方法和相關(guān)傳感器的應(yīng)用。

（１）傳感器數(shù)據(jù)收集。無(wú)人機(jī)通常搭載各種類(lèi)型的傳感器，包括圖像傳感器、激光雷達(dá)、溫度傳感器等。這些傳感器可以提供豐富的環(huán)境信息。例如，圖像傳感器可以捕捉到地面上的物體和結(jié)構(gòu)，激光雷達(dá)可以提供高精度的地形數(shù)據(jù)和距離測(cè)量數(shù)據(jù)，而溫度傳感器可以提供氣象信息。通過(guò)收集這些傳感器數(shù)據(jù)，可以將其用于訓(xùn)練模型來(lái)優(yōu)化邊緣網(wǎng)絡(luò)的部署和性能。

（２）網(wǎng)絡(luò)測(cè)量數(shù)據(jù)收集。無(wú)人機(jī)可以配備網(wǎng)絡(luò)測(cè)量設(shè)備，如無(wú)線信號(hào)強(qiáng)度測(cè)量設(shè)備，用于收集邊緣網(wǎng)絡(luò)的性能數(shù)據(jù)。這些數(shù)據(jù)可以包括網(wǎng)絡(luò)延遲、帶寬利用率、丟包率等。通過(guò)收集網(wǎng)絡(luò)測(cè)量數(shù)據(jù)，可以更好地了解邊緣網(wǎng)絡(luò)的狀況，并為機(jī)器學(xué)習(xí)算法提供訓(xùn)練樣本。

（３）用戶(hù)行為數(shù)據(jù)收集。無(wú)人機(jī)可以監(jiān)測(cè)用戶(hù)設(shè)備的行為和需求。例如，通過(guò)無(wú)人機(jī)搭載的攝像頭或傳感器，可以收集用戶(hù)設(shè)備的移動(dòng)模式、熱點(diǎn)區(qū)域等信息。這些數(shù)據(jù)可以幫助機(jī)器學(xué)習(xí)模型預(yù)測(cè)用戶(hù)需求，從而優(yōu)化邊緣網(wǎng)絡(luò)的資源分配和部署。

（４）信息交互數(shù)據(jù)收集。無(wú)人機(jī)可以與其他設(shè)備或基站進(jìn)行通信，并收集相關(guān)的信息交互數(shù)據(jù)。例如，無(wú)人機(jī)可以獲取基站的負(fù)載情況、信號(hào)強(qiáng)度等數(shù)據(jù)。這些數(shù)據(jù)可以用于訓(xùn)練機(jī)器學(xué)習(xí)模型，以?xún)?yōu)化無(wú)人機(jī)的路徑規(guī)劃和資源調(diào)度策略。

需注意的是，數(shù)據(jù)收集要確保合法、隱私安全，并遵守相關(guān)法律法規(guī)和道德準(zhǔn)則。在使用傳感器或其他收集手段時(shí)，應(yīng)當(dāng)保證數(shù)據(jù)采集的合規(guī)性，并且盡量采用匿名化或加密等手段保護(hù)個(gè)人隱私。

３．２ 數(shù)據(jù)預(yù)處理技術(shù)

在基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法中，數(shù)據(jù)預(yù)處理技術(shù)扮演著至關(guān)重要的角色，用于對(duì)原始數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和規(guī)范化，以提高模型訓(xùn)練的效果和性能。數(shù)據(jù)預(yù)處理的過(guò)程包括數(shù)據(jù)清洗、特征選擇、特征縮放、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)劃分等關(guān)鍵步驟。

數(shù)據(jù)清洗旨在去除原始數(shù)據(jù)中的噪聲、異常值和缺失值等不可靠或不完整的信息，以確保訓(xùn)練數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。通過(guò)統(tǒng)計(jì)分析和算法處理等手段，數(shù)據(jù)清洗能夠提高模型的魯棒性和穩(wěn)定性。特征選擇是從原始數(shù)據(jù)中選擇最具有代表性和重要性的特征，以降低數(shù)據(jù)維度和模型復(fù)雜度。基于統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)算法的特征選擇技術(shù)可以幫助識(shí)別和保留對(duì)目標(biāo)變量具有顯著影響力的特征，進(jìn)而提高模型的訓(xùn)練效率和泛化能力。

此外，特征縮放是對(duì)不同范圍的特征值進(jìn)行映射，以消除單位差異。常見(jiàn)的特征縮放方法包括標(biāo)準(zhǔn)化和歸一化，使得不同特征具有相似的數(shù)值范圍，進(jìn)而改善模型的學(xué)習(xí)過(guò)程和預(yù)測(cè)性能。數(shù)據(jù)轉(zhuǎn)換則是將原始數(shù)據(jù)轉(zhuǎn)化為匹配機(jī)器學(xué)習(xí)算法處理的形式。例如，對(duì)于分類(lèi)問(wèn)題，可以使用獨(dú)熱編碼將離散特征轉(zhuǎn)化為二進(jìn)制向量表示。在處理某些不符合正態(tài)分布的數(shù)據(jù)時(shí)，還可以應(yīng)用對(duì)數(shù)變換或指數(shù)變換等技術(shù)。數(shù)據(jù)劃分是將原始數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集３ 個(gè)部分。通過(guò)合理的數(shù)據(jù)劃分，訓(xùn)練集用于模型的訓(xùn)練與參數(shù)優(yōu)化，驗(yàn)證集用于模型的選擇與調(diào)參，而測(cè)試集則用于評(píng)估模型的泛化性能，從而避免模型的過(guò)擬合和欠擬合問(wèn)題。

４ 機(jī)器學(xué)習(xí)模型訓(xùn)練

機(jī)器學(xué)習(xí)算法是一類(lèi)通過(guò)從數(shù)據(jù)中學(xué)習(xí)和提取模式、建立預(yù)測(cè)模型的算法。其中，決策樹(shù)是一種基于樹(shù)形結(jié)構(gòu)的分類(lèi)和回歸方法，通過(guò)逐步劃分?jǐn)?shù)據(jù)集，利用屬性特征構(gòu)建決策規(guī)則；隨機(jī)森林是一種集成學(xué)習(xí)算法，采用多個(gè)決策樹(shù)進(jìn)行集成，借助投票或平均等方式生成最終預(yù)測(cè)結(jié)果；神經(jīng)網(wǎng)絡(luò)是受人腦神經(jīng)元結(jié)構(gòu)啟發(fā)的算法，通過(guò)多層節(jié)點(diǎn)相互連接、不斷調(diào)整權(quán)重參數(shù)，實(shí)現(xiàn)對(duì)復(fù)雜關(guān)系的建模和預(yù)測(cè)。

模型訓(xùn)練是機(jī)器學(xué)習(xí)算法中的一個(gè)核心步驟，其過(guò)程主要包括數(shù)據(jù)準(zhǔn)備、模型選擇、參數(shù)初始化、優(yōu)化和驗(yàn)證。首先，需要準(zhǔn)備高質(zhì)量、干凈的數(shù)據(jù)集，進(jìn)行特征工程、數(shù)據(jù)清洗和預(yù)處理操作。在此基礎(chǔ)上，根據(jù)任務(wù)需求和數(shù)據(jù)特點(diǎn)，選擇合適的機(jī)器學(xué)習(xí)算法，并初始化模型參數(shù)。然后，通過(guò)反向傳播、梯度下降等優(yōu)化方法，迭代地調(diào)整模型參數(shù)以最小化損失函數(shù)。最后，使用驗(yàn)證集進(jìn)行模型評(píng)估和調(diào)整，檢查模型的泛化能力，并根據(jù)性能選擇最佳的模型。

模型評(píng)估和選擇是判斷模型質(zhì)量和性能的關(guān)鍵環(huán)節(jié)，常用的指標(biāo)包括準(zhǔn)確率、精確率、召回率、Ｆ１ 分?jǐn)?shù)等。準(zhǔn)確率衡量了模型預(yù)測(cè)結(jié)果與真實(shí)標(biāo)簽相符的比例；精確率表示在預(yù)測(cè)為正例的樣本中實(shí)際為正例的比例；召回率衡量了模型對(duì)正例的覆蓋程度；Ｆ１分?jǐn)?shù)綜合考慮了精確率和召回率的平衡情況。除此之外， 還可以使用ＲＯＣ 曲線、ＡＵＣ 值、均方誤差（ＭＳＥ）等指標(biāo)來(lái)評(píng)估模型性能。選擇最佳模型時(shí)，通常會(huì)基于交叉驗(yàn)證、網(wǎng)格搜索等方法，在多個(gè)模型中進(jìn)行比較和選擇，選取具有較高性能且泛化能力好的模型作為最佳模型。

５ 優(yōu)化決策與無(wú)人機(jī)操作

優(yōu)化決策是指通過(guò)分析和計(jì)算，選擇最優(yōu)的行動(dòng)方案以達(dá)到預(yù)期目標(biāo)的過(guò)程。其目標(biāo)是在給定的約束條件下，使得決策結(jié)果達(dá)到最佳狀態(tài)，最大化收益或最小化成本。優(yōu)化決策的關(guān)鍵是尋找最優(yōu)解，即在可行解集合中找到使目標(biāo)函數(shù)取得極值的決策方案。

無(wú)人機(jī)路徑規(guī)劃和資源分配是無(wú)人機(jī)應(yīng)用中的重要操作。路徑規(guī)劃是指通過(guò)算法和模型，確定無(wú)人機(jī)在空中的最佳飛行路徑，以便高效地完成特定任務(wù)，如監(jiān)測(cè)、搜索和救援等。資源分配則是指如何合理地分配無(wú)人機(jī)的資源，包括時(shí)間、能量和飛行任務(wù)等，以實(shí)現(xiàn)最佳的資源利用和任務(wù)完成效果。在路徑規(guī)劃和資源分配中，需要考慮多個(gè)因素，如飛行距離、時(shí)間窗口、避障約束、能量消耗等，通過(guò)優(yōu)化算法和策略來(lái)實(shí)現(xiàn)最優(yōu)決策。

機(jī)器學(xué)習(xí)在優(yōu)化決策中發(fā)揮著重要作用。通過(guò)機(jī)器學(xué)習(xí)技術(shù)，可以利用歷史數(shù)據(jù)和模型訓(xùn)練，提取數(shù)據(jù)中的模式和規(guī)律，從而為優(yōu)化決策提供支持和指導(dǎo)。例如，在無(wú)人機(jī)路徑規(guī)劃中，可以使用強(qiáng)化學(xué)習(xí)算法來(lái)訓(xùn)練模型，在模擬環(huán)境中自動(dòng)學(xué)習(xí)最佳的飛行策略和動(dòng)作序列，以?xún)?yōu)化路徑規(guī)劃過(guò)程。在資源分配中，機(jī)器學(xué)習(xí)可以根據(jù)歷史數(shù)據(jù)和實(shí)時(shí)反饋，對(duì)資源需求進(jìn)行預(yù)測(cè)和調(diào)整，從而實(shí)現(xiàn)資源的合理分配和利用效率的提升。

６ 反饋與更新

收集反饋數(shù)據(jù)是優(yōu)化模型和改進(jìn)決策的關(guān)鍵步驟，它提供了寶貴的信息和見(jiàn)解，使人們能夠更好地理解現(xiàn)實(shí)情況，并做出相應(yīng)的調(diào)整。在決策過(guò)程中，不斷收集反饋數(shù)據(jù)可以幫助評(píng)估模型的性能，并及時(shí)發(fā)現(xiàn)問(wèn)題和改進(jìn)。這些反饋數(shù)據(jù)可以來(lái)自用戶(hù)反饋、系統(tǒng)日志、實(shí)驗(yàn)觀察等多種渠道，通過(guò)收集和分析這些數(shù)據(jù)，可以獲得有關(guān)模型表現(xiàn)和決策結(jié)果的信息，從而為后續(xù)的優(yōu)化提供指導(dǎo)。

利用反饋數(shù)據(jù)進(jìn)行模型的更新和改進(jìn)是一個(gè)迭代的過(guò)程。首先，需要將收集到的反饋數(shù)據(jù)與模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比和分析，以了解模型在真實(shí)環(huán)境中的表現(xiàn)和偏差。其次，可以利用這些反饋數(shù)據(jù)來(lái)更新模型的參數(shù)、權(quán)重或結(jié)構(gòu)，以提高模型的準(zhǔn)確性和泛化能力。常用的方法包括梯度下降、反向傳播算法，通過(guò)調(diào)整模型的參數(shù)，使其更加貼近真實(shí)情況和需求。最后，可以利用更新后的模型進(jìn)行新一輪的決策和預(yù)測(cè)，繼續(xù)收集反饋數(shù)據(jù)，并不斷迭代和改進(jìn)模型。利用反饋數(shù)據(jù)進(jìn)行模型的更新和改進(jìn)的過(guò)程需要注意以下幾點(diǎn)：首先，要保證反饋數(shù)據(jù)的質(zhì)量和準(zhǔn)確性，避免錯(cuò)誤或偏差對(duì)模型優(yōu)化的干擾；其次，要及時(shí)響應(yīng)反饋數(shù)據(jù)，主動(dòng)發(fā)現(xiàn)問(wèn)題并及時(shí)進(jìn)行調(diào)整和改進(jìn)；此外，還可以采用交叉驗(yàn)證、Ａ／ Ｂ 測(cè)試等方法，驗(yàn)證和比較不同的模型改進(jìn)策略，選擇最佳的更新方案。

７ 結(jié)束語(yǔ)

基于機(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法是一種創(chuàng)新的技術(shù)，它利用了機(jī)器學(xué)習(xí)算法和無(wú)人機(jī)的高度靈活性，為邊緣網(wǎng)絡(luò)的優(yōu)化提供了全新的解決方案。這種方法的優(yōu)勢(shì)和應(yīng)用潛力廣泛而深遠(yuǎn)?；跈C(jī)器學(xué)習(xí)的無(wú)人機(jī)輔助邊緣網(wǎng)絡(luò)優(yōu)化方法以其智能資源調(diào)度、臨時(shí)網(wǎng)絡(luò)覆蓋和廣泛應(yīng)用潛力等優(yōu)勢(shì)，成為當(dāng)前邊緣網(wǎng)絡(luò)優(yōu)化領(lǐng)域的熱點(diǎn)研究方向。隨著技術(shù)的不斷創(chuàng)新和發(fā)展，相信這一方法將為各行各業(yè)帶來(lái)更多便利和改變，推動(dòng)社會(huì)的進(jìn)步與發(fā)展。

參考文獻(xiàn)：

［１］ 江雪，趙亮．多無(wú)人機(jī)輔助移動(dòng)邊緣計(jì)算中的軌跡優(yōu)化［Ｊ］．計(jì)算機(jī)技術(shù)與發(fā)展，２０２３，３３（５）：１１０?１１５．

［２］ 鄒昳琨，王鋼，王金龍，等．基于ＭＩＭＯ 的多無(wú)人機(jī)輔助移動(dòng)邊緣計(jì)算系統(tǒng)時(shí)延優(yōu)化設(shè)計(jì)［Ｊ］． 電子與信息學(xué)報(bào)，２０２２，４４（３）：８８１?８８９．

［３］ 袁昕旺，謝智東，譚信．無(wú)人機(jī)邊緣計(jì)算中的資源管理優(yōu)化研究綜述［Ｊ］．計(jì)算機(jī)科學(xué)，２０２２，４９（１１）：２３４?２４１．

作者簡(jiǎn)介：

王啟名（１９９７—），碩士，研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、攜能通信、機(jī)器學(xué)習(xí)等。