敬乐天 贾向东，2 曹肖攀 万妮妮 殷家祥

（1.西北师范大学计算机科学与工程学院，甘肃兰州 730070；2.南京邮电大学江苏省无线通信重点实验室，江苏南京 210003；3.中电万维信息技术有限责任公司中电万维研究院，甘肃兰州 730030）

1 引言

随着物联网技术的快速发展，移动设备在人们生活中的应用呈爆炸式增长，其需要处理的任务例如虚拟现实或物联网应用程序等需要大量的计算资源。而移动边缘计算（Mobile Edge Computing，MEC）用于在网络边缘卸载任务，它的应用可以有效减轻用户的负担，更好地为用户提供服务［1］。随着MEC的发展，人们提出了许多方法来提高计算性能，尽管开发了地面MEC 系统架构，但仍然存在未解决的问题，如服务器移动性较差和安全性问题等，因此出现了无人机（Unmanned Aerial Vehicle，UAV）辅助MEC来解决这些问题［2］。

从用户的角度来看，MEC 中最大的缺点是用户的服务质量（Quality of Service，QoS）难以保证［3］。在UAV 辅助MEC 系统中，文献［4］在满足物联网设备QoS 的前提下，提出了一种高效的迭代算法联合优化系统中的资源分配和UAV 的悬停时间，以最大限度地减少UAV 的能耗。文献［5］在UAV 电量和QoS 约束下，使用整数规划和连续凸优化方法优化了用户级联方案、UAV 轨迹和用户传输功率，以在UAV 辅助MEC 系统中最大化卸载任务总和。然而，传统的方法如迭代算法和凸优化等，往往需要大量的迭代计算，且不能找到关键问题的最优解，这导致了UAV 辅助MEC 系统中的优化方法往往“缺乏智能”。随着AI技术的不断发展，越来越多的智能方法被用来解决UAV 辅助MEC 系统中的优化问题。……