Unmanned aerial vehicle (UAV)-assisted multi-access edge computing (MEC) has become one promising solution for energy-constrained devices to meet the computation demand and the stringent delay requirement. In this work, we investigate a multiple UAVs-assisted two-stage MEC system in which the computation-intensive and delay-sensitive tasks of mobile devices (MDs) are cooperatively executed on both MEC-enabled UAVs and terrestrial base station (TBS) attached with the MEC server. Specifically, UAVs provide the computing and relaying services to the mobile devices. In this regard, we formulate a joint task offloading, communication and computation resource allocation problem to minimize the energy consumption of MDs and UAVs by considering the limited communication resources for the uplink transmission, the computation resources of UAVs and the tolerable latency of the tasks. The formulated problem is a mixed-integer non-convex problem which is NP hard. Thus, we relax the channel assignment variable from the binary to continuous values. However, the problem is still non-convex due to the coupling among the variables. To solve the formulated optimization problem, we apply the Block Successive Upper-bound Minimization (BSUM) method which guarantees to obtain the stationary points of the non-convex objective function. In essence, the non-convex objective function is decomposed into multiple subproblems which are then solved in a block-by-block manner. Finally, the extensive evaluation results are conducted to show the superior performance of our proposed framework.

中文翻译：

---

超越5G网络的多UAV辅助两阶段边缘计算中的节能资源分配

无人机（UAV）辅助的多路访问边缘计算（MEC）已成为能量受限设备满足计算需求和严格延迟要求的一种有前途的解决方案。在这项工作中，我们研究了多无人机辅助的两阶段MEC系统，其中移动设备（MD）的计算密集型和时延敏感任务在支持MEC的无人机和地面基站（TBS）上协同执行与MEC服务器。具体而言，无人机向移动设备提供计算和中继服务。在这方面，我们考虑了上行链路传输的有限通信资源，制定了联合任务卸载，通信和计算资源分配问题，以最大程度地降低MD和UAV的能耗，无人机的计算资源和任务的容许延迟。拟定的问题是NP整数的混合整数非凸问题。因此，我们将通道分配变量从二进制值放松到连续值。但是，由于变量之间的耦合，问题仍然不凸。为了解决公式化的优化问题，我们应用块连续上限最小化（BSUM）方法，该方法可确保获得非凸目标函数的平稳点。本质上，非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。拟定的问题是NP整数的混合整数非凸问题。因此，我们将通道分配变量从二进制值放松到连续值。但是，由于变量之间的耦合，问题仍然不凸。为了解决公式化的优化问题，我们应用块连续上限最小化（BSUM）方法，该方法可确保获得非凸目标函数的平稳点。本质上，非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。拟定的问题是NP整数的混合整数非凸问题。因此，我们将通道分配变量从二进制值放松到连续值。但是，由于变量之间的耦合，问题仍然不凸。为了解决公式化的优化问题，我们应用块连续上限最小化（BSUM）方法，该方法可确保获得非凸目标函数的平稳点。本质上，非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。由于变量之间的耦合，问题仍然是非凸的。为了解决公式化的优化问题，我们应用块连续上限最小化（BSUM）方法，该方法可确保获得非凸目标函数的平稳点。本质上，非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。由于变量之间的耦合，问题仍然是非凸的。为了解决公式化的优化问题，我们应用块连续上限最小化（BSUM）方法，该方法可确保获得非凸目标函数的平稳点。本质上，非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。非凸目标函数分解为多个子问题，然后以逐块的方式求解。最后，进行了广泛的评估，以显示我们提出的框架的卓越性能。