С развитием и развитием технологий связи 5G и 6G, значительным ростом устройств интернета вещей и широким распространением приложений искусственного интеллекта этот тренд представляет собой непрецедентные вызовы для текущей сети вычислительной мощности. Вычисление мобильных краев беспилотных летательных аппаратов (U-MEC) считается эффективным способом борьбы с этим вызовом. Тем не менее, противоречие между предоставлением ресурсов беспилотных летательных аппаратов и потребностями вычислений стало проблемой, требующей срочного решения. Недавно исследователи предложили ряд методов управления ресурсами для зависимых задач. Тем не менее, эти методы часто игнорируют повторяемость задач. Для решения этой проблемы мы предлагаем метод вычисления мобильных краев беспилотных летательных аппаратов на основе бассейна вычислительной мощности, позволяющий беспилотным летательным аппаратам делиться ресурсами и информацией. Для обеспечения эффективного строительства бассейна вычислительной мощности мы предлагаем метод балансировки энергопотребления беспилотных летательных аппаратов путем совместной оптимизации стратегии загрузки, планирования задач и выделения ресурсов. Для решения этой сложной задачи NP мы разработали двухэтапный метод оптимизации, основанный на непрерывном выпуклом приближении и улучшенном генетическом алгоритме. Результаты моделирования показывают, что предложенный нами метод в среднем снижает время полета беспилотных летательных аппаратов на 18,41% и энергопотребление на 21,68%, существенно повышая эффективность выполнения задач.

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