Mit der Entwicklung und dem Fortschritt der Kommunikationstechnologie 5G und 6G, dem signifikanten Wachstum von IoT-Geräten und der weit verbreiteten Anwendung von künstlicher Intelligenz stellt dieser Trend eine beispiellose Herausforderung für das derzeitige Rechenleistungsnetzwerk dar. Das Rechnen am mobilen Rand von Drohnen (U-MEC) wird als effektive Möglichkeit angesehen, dieser Herausforderung zu begegnen. Jedoch ist der Widerspruch zwischen der Bereitstellung von Ressourcen für Drohnen und den Berechnungsanforderungen zu einem Problem geworden, das dringend gelöst werden muss. Kürzlich haben Forscher eine Reihe von Ressourcenmanagementmethoden für abhängige Aufgaben vorgeschlagen. Diese Methoden ignorieren jedoch oft die Wiederholbarkeit von Aufgaben. Um dieses Problem zu lösen, schlagen wir eine Methode für das Rechnen am mobilen Rand von Drohnen auf Basis eines Rechenleistungspools vor, der es Drohnen ermöglicht, Ressourcen und Informationen zu teilen. Um den effektiven Aufbau des Rechenleistungspools sicherzustellen, schlagen wir eine Methode zur Balance des Energieverbrauchs von Drohnen durch die gemeinsame Optimierung der Auslagerungsstrategie, der Aufgabenplanung und der Ressourcenzuweisung vor. Um dieses schwierige NP-Problem zu lösen, haben wir eine zweistufige Optimierungsmethode entwickelt, die auf einer kontinuierlichen konvexen Annäherung und einem verbesserten genetischen Algorithmus basiert. Die Simulationsergebnisse zeigen, dass unsere Methode die Flugzeit von Drohnen im Durchschnitt um 18,41 % und den Energieverbrauch um 21,68 % reduziert und die Effizienz der Aufgabenerfüllung signifikant verbessert.

Unmanned aerial vehicle (UAV);UAV-enabled mobile edge computing (U-MEC);Computing power pool;Dependency;Repeatability