[Paper] 双边缘辅助计算卸载与资源分配用于空间-空中-海洋一体化网络

Source: arXiv - 2512.03487v1

概览

本文提出了一种 double‑edge‑assisted 框架，使海上自主表面船舶（MASS）能够同时将部分计算密集型任务卸载到两个不同的边缘节点：海面上方悬停的 UAV 编队以及低轨道（LEO）卫星。通过联合决定 卸载到哪里、卸载多少、以及 如何分配 UAV 和卫星上有限的计算资源，作者旨在在满足严格时延要求的前提下降低整体能耗。

主要贡献

• 双边缘架构 用于空间‑空中‑海洋一体化网络（SAMIN），利用空中（UAV）和空间（LEO）边缘服务器。
• 联合优化模型 同时选择卸载模式、卸载量以及计算资源分配，以在时延约束下最小化总能耗。
• 算法解法 基于交替优化（AO）和分层分解，能够在可接受的复杂度下获得近似最优解。
• 全面仿真研究 将所提方案与多个基线进行比较，展示了约 30 % 的能耗节省和改进的时延符合率。

方法论

1. 系统模型 – 作者对一组产生已知数据大小和截止时间的 MASS 任务进行建模。每个任务可以被拆分：一部分在船上本地运行，另一部分发送到 UAV，剩余部分发送到 LEO 卫星。通信链路（船‑UAV、船‑卫星）以带宽、信道增益和传播时延来表征。

2. 能耗‑时延公式 – 总能耗包括三部分：

   • (i) 船上本地 CPU 能耗，
   • (ii) 卸载比特的传输能耗，
   • (iii) 边缘节点的处理能耗。
     时延约束确保每个卸载部分的传输时间加上边缘处理时间不超过任务截止时间。

3. 优化问题 – 目标是通过选择：

   • 卸载模式（每个边缘节点的二元决策），
   • 卸载量（每个节点分配的比特数），以及
   • 计算资源分配（UAV 和卫星为每艘船分配的 CPU 周期数），来最小化总能耗。
     由于变量耦合和整数决策，问题是非凸的。

4. 求解思路

   • 交替优化（AO）：将问题拆分为两个子问题并交替求解：(a) 卸载决策与量（连续）和 (b) CPU 资源分配（凸）。
   • 分层分解：在每个 AO 步骤中，进一步将子问题分解为主问题（二元模式选择）和从问题（连续量分配），可通过标准凸优化求解器求解。
   • 收敛性：证明 AO 循环收敛到一个驻点，且分层方法保证每个子问题达到局部最优。

结果与发现

• 能耗节省：与三种基准（仅本地、单边缘 UAV、单边缘卫星）相比，双边缘方案在不同任务规模和截止时间下将总能耗降低 23 %–31 %。
• 时延符合率：所提方法对 >95 % 的任务满足时延约束，而单边缘方案在高负载下有高达 18 % 的任务出现截止违例。
• 可扩展性：对最多 20 艘船的仿真表明算法运行时间呈线性增长，适用于实时编排。
• 资源利用：UAV 处理时延敏感、规模较小的工作负载，LEO 卫星承担规模更大、时延要求较低的部分，实现负载均衡。

实际意义

• 海事物联网与自主航运：运营商可以在不对船舶硬件进行过度配置的情况下扩展自主船舶的计算能力，从而实现更轻、更廉价的船舶。
• 边缘化 5G/6G 网络：双边缘概念自然契合正在构想的 5G‑Advanced 与 6G 架构，后者设想了地面、空中和卫星层的融合。
• 能量受限部署：对于电池供电的船舶或 UAV，联合卸载策略可显著延长任务续航时间。
• API 级集成：优化框架可封装为服务（如 “edge‑offload orchestrator”），接受任务描述并返回拆分卸载方案，便于开发者将其接入现有海事控制软件。

局限性与未来工作

• 信道不确定性：模型假设链路质量已知完备；实际的衰落和天气（尤其是 UAV‑船链路）可能削弱性能。
• UAV/LEO 静态布局：研究将 UAV 位置和卫星波束视为固定，动态重新定位或波束成形有望进一步提升时延与能耗指标。
• 安全与信任：向空中和空间节点卸载会引发身份认证和数据隐私问题，本文未作讨论。
• 未来方向：将框架扩展至包含随机信道模型、自适应 UAV 轨迹规划以及安全多方计算，将使其更接近在实际 SAMIN 中的部署。

作者

• Zhen Wang
• Bin Lin
• Qiang
• Ye

论文信息

• arXiv ID: 2512.03487v1
• 分类: cs.DC, cs.IT
• 发布日期: 2025 年 12 月 3 日
• PDF: Download PDF