[Paper] 双边缘辅助计算卸载与资源分配用于空间-空中-海洋集成网络

Source: arXiv - 2512.03487v1

概述

本文提出了一种 双边缘协助 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：一支在海面上空盘旋的无人机（UAV）群和一颗低地球轨道（LEO）卫星。通过联合决定 卸载位置、卸载量 和 如何分配 UAV 与卫星上有限的计算资源，作者旨在在满足严格延迟要求的前提下，降低整体能耗。

关键贡献

• 双边缘架构用于空间‑空中‑海洋一体化网络（SAMINs），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、卸载量和计算资源分配，以在延迟约束下最小化总能耗。
• 算法解决方案基于交替优化（AO）和分层分解，能够在可处理的复杂度下获得近最优解。
• 全面的仿真研究将所提方案与多个基线进行比较，显示出约 30 % 能耗节省并提升延迟合规性。

Source: …

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计算任务的MASS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）通过带宽、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) 为离线位元传输的能耗，以及 (iii) 边缘节点的处理能耗。时延约束确保每个离线部分的传输时间与边缘处理时间之和不超过任务截止时间。

3. 优化问题 – 目标是通过选择以下变量来最小化总能耗：

   • 离线模式（每个边缘节点的二元决策），
   • 离线量（发送到每个节点的位元数），以及
   • 计算资源分配（分配给UAV和卫星上每艘船的CPU周期/秒）。

   由于变量耦合和整数决策，问题是非凸的。

4. 求解方法 –

   • 交替优化 (AO)： 将问题拆分为两个子问题并迭代求解：(a) 离线决策与离线量（连续）和 (b) CPU资源分配（凸）。
   • 分层分解： 在每一次AO步骤中，作者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其局部最优。

结果与发现

• 能源节约: 与三种基准（本地仅、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 %。
• 延迟合规性: 所提方法能够满足 >95 % 任务的延迟约束，而在高负载情况下，单边缘方案的截止时间违背率最高可达 18 %。
• 可扩展性: 对多达 20 艘船舶的仿真表明，算法运行时间呈线性增长，具备实时编排的实用性。
• 资源利用率: UAV 负责延迟敏感、规模较小的工作负载，LEO 卫星则承担规模更大、对时间要求较低的部分，实现了负载的均衡分配。

实际影响

• 海事物联网与自主航运: 操作员可以在不对船上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、更便宜的船只。
• 边缘化 5G/6G 网络: 双边缘概念自然契合新兴的 5G‑Advanced 与 6G 架构，这些架构设想了集成的地面、空中和卫星层。
• 能源受限的部署: 对于电池供电的船舶或无人机，联合卸载策略可以显著延长任务续航时间。
• API 级别集成: 优化框架可以封装为一种服务（例如 “edge‑offload orchestrator”），接受任务描述并返回分割卸载方案，使开发者能够将其插入现有的海事控制软件中。

限制与未来工作

• 信道不确定性： 该模型假设链路质量完美已知；实际中的衰落和天气影响（尤其是 UAV‑to‑ship 链路）可能会降低性能。
• 静态 UAV/LEO 布局： 本研究将 UAV 位置和卫星波束视为固定不变；动态重新定位或波束成形可能进一步提升时延和能耗指标。
• 安全与信任： 将任务卸载到空中和太空节点会引发身份验证和数据隐私问题，而这些在本文中未加以讨论。
• 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，将使该方案更接近在实际 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
• 发表时间: 2025年12月3日
• PDF: Download PDF