《表2 不同算法所得UAV位置的能耗结果》
从图5、图6和图7中可以看出,本文所提的联合双层优化方法即h-SOM网络和IDE算法的性能优于其他两种传统算法。对于传统的随机算法,UE随机做出决定,可能导致UE卸载到距离自己较远的UAV上,在这种情况下,传输能量消耗就变得异常大,同时对于卸载UE有可能变得无效,因此它保持最高的能量消耗。贪婪算法、标准DE算法和IDE算法执行计算分配,可以控制UE的卸载数量,从而为UE节省能量,所以这三种算法的表现优于随机算法。贪婪算法在求解该问题时基于一定的贪婪策略即每个UE把任务卸载到离自己最近的UAV上,这样虽然减少了UE在传输过程中的能耗,但并未全局考虑UAV的计算资源限制。DE算法是一种基于全局搜索的群智能算法,它将差分操作迭代地应用于群体,直到达到最优解,所以标准DE算法比贪婪算法有更好的性能。在DE算法的基础上引入精英初始策略和自适应双变异策略,每次迭代产生随机数与自适应算子进行比较采取不同的变异策略,使得算法在迭代初期保持解的多样性,在迭代后期局部搜索更加准确,提高算法的精确度。因此,IDE算法比其他三种算法的性能优越。
图表编号 | XD00222625800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 张梦琳、江沸菠、董莉、高颖 |
绘制单位 | 湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南工商大学新零售虚拟现实技术湖南省重点实验室、湖南师范大学智能计算与语言信息处理湖南省重点实验室 |
更多格式 | 高清、无水印(增值服务) |