In this paper, we study the issue of fair resource optimization for an unmanned aerial vehicle (UAV)-enabled mobile edge computing (MEC) system with multi-carrier non-orthogonal multiple access (MC-NOMA). A computation efficiency (CE) optimization problem based on the max-min fairness principle under the partial offloading mode is formulated by optimizing the subchannel assignment, the local CPU frequency, and the transmission power jointly. The formulated problem belongs to the non-convex mixed integer nonlinear programming (MINLP), that is NP-hard to find the global optimal solution. Therefore, we design a polynomial-time algorithm based on the big-M reformulation, the penalized sequential convex programming, and the general Dinkelbach’s method, which can choose an arbitrary point as the initial point and eventually converge to a feasible suboptimal solution. The proposed algorithm framework can be also applied to computation offloading only mode. Additionally, we derive the closed-form optimal solution under the local computing only mode. Simulation results validate the convergence performance of the proposed algorithm. Moreover, the proposed partial offloading mode with the CE maximization scheme outperforms that with the computation bits (CB) maximization scheme with respect to CE, and it can achieve higher CE than the benchmark computing modes. Furthermore, the proposed MC-NOMA scheme can attain better CE performance than the conventional OFDMA scheme.

在本文中，我们研究了具有多载波非正交多址（MC-NOMA）的无人飞行器（UAV）支持的移动边缘计算（MEC）系统的公平资源优化问题。通过联合优化子信道分配，本地CPU频率和传输功率，提出了在部分卸载模式下基于最大-最小公平原理的计算效率（CE）优化问题。提出的问题属于非凸混合整数非线性规划（MINLP），即难于找到全局最优解的NP。因此，我们基于big-M重新制定，惩罚顺序凸规划和通用Dinkelbach方法设计了多项式时间算法，可以选择任意点作为初始点，最终收敛到可行的次优解。所提出的算法框架也可以应用于仅计算卸载模式。此外，我们在仅本地计算模式下得出封闭形式的最优解。仿真结果验证了该算法的收敛性能。此外，所提出的具有CE最大化方案的部分卸载模式优于具有相对于CE的计算比特（CB）最大化方案的部分卸载模式，并且其可以获得比基准计算模式更高的CE。此外，所提出的MC-NOMA方案可以比常规OFDMA方案获得更好的CE性能。我们在仅本地计算模式下得出封闭形式的最优解。仿真结果验证了该算法的收敛性能。此外，所提出的具有CE最大化方案的部分卸载模式优于具有相对于CE的计算比特（CB）最大化方案的部分卸载模式，并且其可以获得比基准计算模式更高的CE。此外，所提出的MC-NOMA方案可以比常规OFDMA方案获得更好的CE性能。我们在仅本地计算模式下得出封闭形式的最优解。仿真结果验证了该算法的收敛性能。此外，所提出的具有CE最大化方案的部分卸载模式优于具有相对于CE的计算比特（CB）最大化方案的部分卸载模式，并且其可以获得比基准计算模式更高的CE。此外，所提出的MC-NOMA方案可以比常规OFDMA方案获得更好的CE性能。与基准计算模式相比，它可以获得更高的CE。此外，所提出的MC-NOMA方案可以比常规OFDMA方案获得更好的CE性能。与基准计算模式相比，它可以获得更高的CE。此外，所提出的MC-NOMA方案可以比常规OFDMA方案获得更好的CE性能。