一种基于MEC的公平性保证的空地网络优化方法及系统

本发明属于无线通信技术领域，公开了一种在多接入边缘计算(Multi‑access Edge Computing,MEC)支持的空地一体化网络(Air‑Ground IntegratedNetworks,AGINs)中的资源优化方法，开发了一种支持MEC的AGINs架构来服务于物联网设备。本发明的目标是最小化物联网设备(Internet ofThings Devices,IoTDs)和无人机(UnmannedAerial Vehicle,UAV)的总能耗和丢弃任务的数量，同时通过精细化权限改造、无人机轨迹规划和任务调度来最大化公平指数。本发明利用MEC技术，提升通信网络的性能与可靠性，缓解无线资源紧张和用户侧计算资源不足的问题，确保能源效率。针对AGINs中任务的动态性、网络条件的波动性以及优化问题的复杂性，本发明将该问题转化为深度强化学习(Deep Reinforcement Learning,DRL)问题，并提出基于多智能体深度确定性策略梯度(Multi‑Agent Deep Deterministic Policy Gradient,MADDPG)的联合优化算法。