计算机科学与探索

作者：张文柱, 蔡思琪, 熊福力, 唐文迪

单位：西安建筑科技大学 信息与控制工程学院，西安 710055

关键词：移动边缘计算,无人机（UAV）,轨迹优化,深度强化学习

基金：陕西省重点研发计划（2025CY-YBXM-063）。

无人机辅助移动边缘计算系统因具备高效服务的特性，能够在偏远地区、应急救援和灾后重建等特殊场景中为地面用户提供临时计算与通信服务支持。然而，实际环境中的高耸建筑等障碍物对无人机的飞行轨迹与任务执行造成显著干扰，不仅威胁飞行安全，也降低了任务执行效率。为解决上述问题，提出一种联合优化计算卸载与无人机飞行轨迹的策略。构建了一个考虑障碍物存在的无人机辅助移动边缘计算系统模型，并引入权重自适应调节机制，以最小化系统总时延与能耗加权值为优化目标；针对该优化问题，设计了一种融合优先经验回放机制（PER）与双延迟深度确定性策略梯度（TD3）的深度强化学习算法。通过仿真实验分析了所提策略的性能。仿真结果表明，相比TD3、DDPG、AC三种基准算法，当改变计算任务总量、带宽、用户设备计算能力和用户数量时，所提算法的系统总时延与能耗加权值分别平均降低5.31%、8.86%和43.30%，且能够优化出更加平滑且具备较好避障能力的飞行轨迹。

来源：2026年第3期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第3期