无人机辅助移动边缘计算的计算卸载优化:一种深度确定性策略梯度方法（5）——结果与分析

参考文献：

[1] Wang Y , Fang W , Ding Y , et al. Computation offloading optimization for UAV-assisted mobile edge computing: a deep deterministic policy gradient approach[J]. Wireless Networks, 2021:1-16.doi：https://doi.org/10.1007/s11276-021-02632-z

5 结果与分析

在本节中，我们通过数值模拟来说明提出的基于 DDPG 的无人机辅助 MEC 系统计算卸载框架。首先，介绍了仿真参数的设置。然后，对基于 DDPG 的框架在不同场景下的性能进行了验证，并与其他基线方案进行了比较。

5.1 仿真设置

在无人机辅助的 MEC 系统中，我们考虑一个 $K=4$ UEs 随机分布在 $L\times W=100\times 100m^2$ 的2维平面，假设无人机在固定高度 $H=100m$ 飞行。根据[26]的定义，无人机的总质量为 $M_{UAV}=9.65kg$ 。整个时间段 $T=400s$分为 I = 40 个时隙。参考[9]，无人机最大飞行速度$v_{max}=50m/s$，无人机在每个时隙的飞行时间 $t_{fly}=1s$ 。在参考距离为1米时，通道功率增益被设置为 ${\alpha }_0=-50dB$ 。设置传输带宽为 $B=1MHz$。假设没有信号遮挡下，接收机的噪声功率为 ${\sigma }^2=-100dBm$ 。如果信号在无人机与UE k之间传输过程中被阻塞，即信号为 $f_k(i)=1$ 。

渗透损失为 $P_{NLOS}=20dB$ 。我们假设 UEs 的传输功率为 $P_{up}=0.1W$， UAV电池容量 $E_b=500kJ$ 和所需CPU周期/位 s=1000 周期/位。UE 和 MEC 服务器的计算能力分别设置为 $f_{UE}=0.6GHz$ 和 $f_{UAV}=1.2GHz$。将所提出的状态归一化算法中的比例因子分别设置为 ${\gamma }_b=5\times 10^5,{\gamma }_x=100,{\gamma }_y=100,{\gamma }_{D_{rm}}=1.05\times 10^8,{\gamma }_{D_{UE}}=2.62\times 10^6$ 。除另有说明外，具体仿真参数如表1所示。在我们的实验中，使用算法 3 在相同设置下多次运行获得的平均奖励来进行性能比较。

为作比较，现将四种基线方法说明如下:

• 将所有任务卸载到无人机(仅卸载):在每个时间段，无人机将在区域中心的固定位置向终端提供计算服务。UE 将所有的计算任务都交给无人机上的 MEC 服务器处理。
• 全本地执行(Local-only):在不借助无人机的情况下，终端的所有计算任务都在本地执行。
• 基于Actor Critical 的计算卸载算法 (AC):为了评价本文提出的基于 DDPG 的计算卸载算法的性能，在计算卸载问题上还实现了基于连续动作空间的 RL 算法 AC 。为了与 DDPG 进行比较， AC 还采用了状态归一化。
• 基于DQN的计算卸载算法(DQN):将传统的基于离散动作空间的 DQN 算法与提出的基于 DDPG 的算法进行比较。在无人机飞行过程中，角度水平被定义为 B = { 0 , π / 5 , … , 2 π } \mathcal{B}=\{0, \pi / 5, \ldots, 2 \pi\} B={0,π/5,…,2π} ，速度级别表示为 V = { 0 , v m a x / 10 , … , v m a x } \mathcal{V}=\{0, v_{max}/ 10, \ldots, v_{max}\} V={0,vmax​/10,…,vmax​} 和卸载比级别可设置为 O = { 0 , 0.1 , … , 1.0 } \mathcal{O}=\{0, 0.1, \ldots, 1.0\} O={0,0.1,…,1.0} 。为了与DDPG和AC进行比较，DQN还采用了状态归一化。

5.2 仿真结果与讨论

5.2.1 参数分析

我们首先进行了一系列的实验，以确定最优值的重要超参数用于算法比较。本文算法在不同学习速率下的收敛性能如图 2 所示。我们假设评论网络和演员网络的学习速度是不同的。首先，我们可以清楚地看到，当 ${\alpha }_{\text{Actor }}=0.1,{\alpha }_{\text{Critic }}=0.2$ 或 ${\alpha }_{\text{Actor }}=0.001,{\alpha }_{\text{Critic }}=0.002$ 时，提出的算法可以收敛。但当 ${\alpha }_{\text{Actor }}=0.1,{\alpha }_{\text{Critic }}=0.2$ 时，算法收敛到局部最优解。究其原因，大的学习率将使批评家网络和演员网络都有一个大的更新步骤。其次，我们可以发现当学习速率很小时，即 ${\alpha }_{\text{Actor }}=0.00001,{\alpha }_{\text{Critic }}=0.00002$ 时，算法不能收敛。这是因为较低的学习率会导致dnn的更新速度较慢，需要更多的迭代片段来收敛。因此，actor网络和critic网络的最佳学习率分别为 ${\alpha }_{\text{Actor }}=0.001,{\alpha }_{\text{Critic }}=0.002$ 。

在图 3 中，我们比较了不同折扣因子 $\gamma$ 对算法收敛性能的影响。结果表明，当折扣因子 $\gamma =0.001$时，训练后的计算卸载策略性能最佳。原因是不同时期的环境差异很大，所以整个时间段的数据不能完全代表长期的行为。 $\gamma$ 越大，说明 Q 表将整个时间段收集的数据视为长期数据，导致不同时间段的泛化能力较差。因此，适当的 $\gamma$ 值将提高我们训练后的策略的最终性能，在接下来的实验中，我们将折扣因子 $\gamma$ 设置为0.001。

图 4 显示了在不同探测参数 ${\sigma }_e$ 下，本文算法在处理延迟方面的性能比较。该探测参数对算法的收敛性能影响很大。当算法收敛于 ${\sigma }_e=0.1$ 时，最佳延迟在63秒上下波动。 ${\sigma }_e$ 值越大，随机噪声分布空间就越大，这使得 agent 可以探索更大的空间范围。当 ${\sigma }_e=0.001$ 时，算法在850次迭代时性能下降， ${\sigma }_e$ 较小，算法陷入局部最优解。因此，需要进行大量的实验才能获得无人机辅助场景下合适的探索设置。因此，为了在接下来的实验中获得更好的性能，我们选择 ${\sigma }_e=0.01$ 。

图 5 显示了不使用状态归一化和行为噪声的训练策略对 DDPG 训练算法的影响。一方面，如果在没有行为噪声的情况下训练 DDPG 算法，算法的收敛速度会变慢。另一方面，如果不进行状态归一化训练，即在状态归一化中不引入尺度因子，训练算法将失效。这是因为在没有状态归一化策略的情况下，$E_{\text{battery }}(i)$、 $D_{\text{remain }}(i)$ 和 $D_k(i)$ 的值都太大，导致 DNNs 的随机初始化输出更大的值。因此，如果在 DDPG 算法中不采用我们提出的状态归一化策略，该算法最终会变成贪婪算法。

5.2.2 性能比较

图 6 显示了不同算法之间的性能比较。在图 6a 中，我们对 R L算法的 DNNs 进行了总计1000次迭代的训练。从图中可以看出，随着迭代次数的增加， AC 算法不能收敛，而 DQN 和 DDPG 算法都可以收敛。这是因为 AC 算法存在着行动者网络和批评网络同时更新的问题。行动者网络的行为选择依赖于评论网络的价值功能，但评论网络本身难以收敛。因此，AC算法在某些情况下可能不收敛。相比之下， DQN 和 DDPG均受益于评价网络和目标网络的双网络结构，可用于切断训练数据之间的相关性，从而找到最优的行动策略。利用算法收敛后的延迟结果，比较不同任务大小设置下的算法，结果如图 6b 所示。在图 6b 中，对于相同的任务大小， DDPG 算法的时延在五种算法中始终是最低的。由于探索了离散的动作空间和可用动作之间的不可忽略空间， DQN 无法准确地找到最优卸载策略。而 DDPG 算法则探索一个连续的动作空间，并采取一个精确的动作，最终获得最优策略，显著减少了延迟。此外， DQN 算法的收敛速度远高于 DDPG 算法。 Offload-only 和 Local-only 两种算法不能充分利用整个系统的计算资源。因此，对于相同的任务大小， DDPG 算法的处理延迟明显低于 Offload-only 和 Local-only 算法。此外，随着任务大小的增大， DDPG 算法优化后的处理延迟增加速度明显慢于 Offload-only 和 Local-only 算法，表明了该算法的优势。

图 7a 和图 b 显示了同一组实验在延迟和卸载比方面的性能。图 7a 显示了不同 UE 计算能力下 DQN 方案和 DDPG 方案的收敛性能。本文提出的方案之所以没有与 AC 方案进行比较，是因为 AC 方案仍然不收敛。我们可以发现，当 UE 的计算能力较小时，即 $f_{UE}=0.4GHz$ 时，两种优化方案优化后的处理延迟要高于 $$f_{UE}=0.6GHz$$ 时的处理延迟。另一方面，从图 7b 中可以看出，当 UE 的计算能力较大时，系统的平均卸载率较小，因此 UE 更倾向于在本地执行任务。 UE 的计算能力越小，同时系统的数据处理速度越慢，导致本地执行和卸载之间的最大延迟越大。图 7c 为本文方案与 DQN 方案在不同 CPU 频率条件下优化后的时延比较。由图 7c 可以看出，在不同 UE 计算能力下，与 DQN 方案相比，本文提出的 DDPG 方案具有更低的延迟。这是因为 DDPG 方案可以输出多个连续的动作，而不是 DQN 中有限的离散动作集。因此， DDPG 可以找到一个精确的、对连续动作控制系统延迟影响较大的因子，即卸载比。

在图 8 中，我们比较了UE 的数量在1到10之间变化下 DDPG 方案、 DQN 、 Offload-only 和 Local-only 的平均处理延迟 。我们假设在不同数量的终端下，一个时间段内要完成的总任务大小是相同的。如图 8 所示，随着 UE 数量的增加，除 DQN 外，其他方案的平均处理延迟几乎不变。随着 UE 数量的增加， DQN 方案的处理延迟在 86 s左右波动。原因可以解释如下。不同数量 UE 的情况下， DQN 输出动作取值范围差异较大。因此，当样本作为 DNN 训练的输入时， DNN 可能倾向于输出更大的值。 DDPG 的演员网络输出多维动作，保证了 DNN 的输入数据在同一范围内，即 [0,1] ，保证了 DDPG 算法的收敛性和稳定性。此外，所提出的 DDPG 方案具有最小的延迟。这是因为 DDPG 方案能够在连续动作中找到最优值，从而得到最优控制策略。