一种基于边缘计算系统的无人机任务卸载和资源分配方法技术方案

本发明专利技术公开了一种基于边缘计算系统的无人机任务卸载和资源分配方法，边缘计算系统包括：若干个无人机和若干个Fog节点；无人机任务卸载和资源分配方法包括以下步骤：根据边缘计算系统中的无人机向Fog节点卸载任务问题以及Fog节点向无人机分配计算资源问题构建最优化无人机利益的目标函数；计算目标函数得到无人机任务卸载和计算资源分配的最优解，并根据无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案。解决了传统无人机计算资源受限的问题和传统边缘计算服务器受地理位置所限制的问题，而且本方法构建目标函数，通过求解该目标函数能够使得无人机的利益最大化。

【技术实现步骤摘要】
一种基于边缘计算系统的无人机任务卸载和资源分配方法
本专利技术涉及边缘计算
，特别涉及一种基于边缘计算系统的无人机任务卸载和资源分配方法。
技术介绍
随着物联网和5G技术的飞速发展，对于设备的任务处理和计算能力提出了新的挑战，于是出现了边缘计算相关技术，例如移动边缘计算，雾计算等，通过将其计算密集型任务卸载到边缘服务器以执行任务计算，越来越多的新兴移动应用程序从边缘计算中受益。无人机不仅体积小，成本低，而且还具有灵活的探测能力，无人机可以作为边缘计算技术中采集任务数据的载体，解决众多物联网设备的任务计算需求。但目前以无人机作为边缘计算技术中采集任务数据的载体的相关研究相对较少，相关研究多集中于无人机和MEC服务器(边缘计算服务器)相结合的场景，而MEC服务器的设置点往往受到地理位置的限制，无法解决某些偏远地区的任务请求；目前有开展过在无人机上安装MEC服务器的研究来增加无人机自身的计算能力，但此举无疑会增加无人机的功耗和重量，在任务范围较大和传输距离较长的情景下有着极大的限制，并非较优的方案。而且在现有技术中，如何最优化无人机利益也是目前亟待解决的问题。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于边缘计算系统的无人机任务卸载和资源分配方法，所述边缘计算系统包括：若干个无人机和若干个Fog节点；所述无人机任务卸载和资源分配方法包括以下步骤：根据所述边缘计算系统中的所述无人机向所述Fog节点卸载任务问题以及所述Fog节点向所述无人机分配计算资源问题构建最优化无人机利益的目标函数；计算所述目标函数得到无人机任务卸载和计算资源分配的最优解，并根据所述无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案。根据本专利技术的实施例，至少具有如下技术效果：不同于现有技术中无人机和MEC服务器相结合的场景，在本专利技术方法中所使用的边缘计算系统中，无人机仅作为任务数据采集器，从目标设备上采集任务数据后发送至Fog节点上进行数据处理，若干Fog节点可设置在靠近任务采集位置点处，从而就近提供任务数据计算服务，本专利技术通过无人机和Fog节点组合的系统构架，解决了传统无人机计算资源受限的问题和传统边缘计算服务器受地理位置所限制的问题，而且也无需在无人机上安装MEC服务器，从而避免增加无人机的功耗和重量。其次，本专利技术所述的方法通过基于无人机向Fog节点卸载任务问题以及Fog节点向无人机分配计算资源问题构建最优化无人机利益的目标函数，通过计算该目标函数能够得到无人机利益的最优化方案，系统内的无人机和Fog节点可根据该最优化方案执行任务卸载和计算资源分配，能够使得无人机的利益最大化。根据本专利技术的一些实施例，所述目标函数的表达式为：其中，表示无人机Ui卸载任务至Fog节点Fj上所获得的利益，kij表示决策变量，kij＝{0，1}，tij表示无人机在时间段内执行任务的次数，R表示无人机Ui接受任务的酬金，tf表示无人机的飞行时间，γ表示无人机的单位飞行能耗，β表示无人机的悬停参数，P表示无人机的恒定功率，tH表示无人机的悬停时间，q表示Fog节点在时钟周期内的单元价格，fi，j表示Fog节点分配给无人机的计算资源，表示Fog节点分配的最大资源，n表示无人机的数量，m表示Fog节点的数量。根据本专利技术的一些实施例，所述计算所述目标函数得到无人机任务卸载和计算资源分配的最优解，并根据所述无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案，包括以下步骤：计算所述目标函数中的变量kij的最优解以及变量fi，j的最优解；基于块坐标下降法对所述变量kij的最优解以及所述变量fi，j的最优解迭代计算，得到无人机利益的最优化方案。根据本专利技术的一些实施例，计算所述目标函数中的变量kij的最优解的方法包括：基于动态规划算法计算目标函数中的变量kij的最优解，或者基于启发式算法计算目标函数中的变量kij的最优解，或者基于贪心算法计算目标函数中的变量kij的最优解。根据本专利技术的一些实施例，所述计算所述目标函数中的变量fi，j的最优解的方法包括：采用拉格朗日乘子式法和KKT条件法计算所述目标函数中的变量fi，j的最优解。根据本专利技术的一些实施例，所述边缘计算系统中还包括：MEC服务器。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例提供的一种基于边缘计算系统的无人机任务卸载和资源分配方法的流程示意图。图2为图1中步骤S200中的进一步的流程示意图；图3为本专利技术实施例基于贪心算法、基于动态规划算法和基于启发式算法分别对应的无人机数量和总利益之间的关系示意图；图4为本专利技术实施例基于贪心算法、基于动态规划算法和基于启发式算法分别对应的无人机数量和总的运行时间之间的关系示意图；图5为本专利技术实施例提供的一种边缘计算系统的示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。参照图1至图4，本专利技术的一个实施例，提供了一种基于边缘计算系统的无人机任务卸载和资源分配方法，其中，该边缘计算系统包括：若干个无人机和若干个Fog节点(雾节点)；其中，若干Fog节点可部署在靠近信息采集点的位置，从而就近提供任务数据计算服务，Fog节点具备数据计算能力，能够对无人机采集的任务进行计算处理，无人机和Fog节点的组合解决了传统无人机计算资源受限的问题和传统边缘计算服务器受地理位置所限制的问题，无需在无人机上安装MEC服务器，避免增加无人机的功耗和重量。本无人机任务卸载和资源分配方法包括以下步骤：S100、根据边缘计算系统中的无人机向Fog节点卸载任务问题以及Fog节点向无人机分配计算资源问题构建最优化无人机利益的目标函数；作为一种可实施方式，目标函数的表达式为：在式(1)中，表示无人机Ui卸载任务至Fog节点Fj上所获得的利益，kij表示决策变量，kij＝{0，1}，tij表示无人机在时间段内执行任务的次数，R表示无人机Ui接受任务的酬金，tf表示无人机的飞行时间，γ表示无人机的单位飞行能耗，β表示无人机的悬停参数，P表示无人机的恒定功率，tH表示无人机的悬停时间，表示第i个无人机携带任务的最大悬停时间，q表示Fog节点在时钟周期内的单位价格，fi，j表示第j个Fog节点分配给第i个无人机的计算资源，表示第j个Fog节点分配的最大资源，n表示系统中无人机的数量，m表示系统中Fog节点的数量。本目标函数将最优化无人机利益本文档来自技高网...

【技术保护点】
1.一种基于边缘计算系统的无人机任务卸载和资源分配方法，其特征在于，所述边缘计算系统包括：若干个无人机和若干个Fog节点；/n所述无人机任务卸载和资源分配方法包括以下步骤：/n根据所述边缘计算系统中的所述无人机向所述Fog节点卸载任务问题以及所述Fog节点向所述无人机分配计算资源问题构建最优化无人机利益的目标函数；/n计算所述目标函数得到无人机任务卸载和计算资源分配的最优解，并根据所述无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案。/n

【技术特征摘要】
1.一种基于边缘计算系统的无人机任务卸载和资源分配方法，其特征在于，所述边缘计算系统包括：若干个无人机和若干个Fog节点；
所述无人机任务卸载和资源分配方法包括以下步骤：
根据所述边缘计算系统中的所述无人机向所述Fog节点卸载任务问题以及所述Fog节点向所述无人机分配计算资源问题构建最优化无人机利益的目标函数；
计算所述目标函数得到无人机任务卸载和计算资源分配的最优解，并根据所述无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案。


2.根据权利要求1所述的一种基于边缘计算系统的无人机任务卸载和资源分配方法，其特征在于，所述目标函数的表达式为：



其中，表示无人机Ui卸载任务至Fog节点Fj上所获得的利益，kij表示决策变量，kij＝{0，1}，tij表示无人机在时间段内执行任务的次数，R表示无人机Ui接受任务的酬金，tf表示无人机的飞行时间，γ表示无人机的单位飞行能耗，β表示无人机的悬停参数，P表示无人机的恒定功率，tH表示无人机的悬停时间，q表示Fog节点在时钟周期内的单元价格，fi，j表示Fog节点分配给无人机的计算资源，fi，j＝[0，fjmax]，fjmax表示Fog节点分配的最大资源，n表示无人机的数量，m表示Fog节点的数量。


3....

【专利技术属性】
技术研发人员：罗元盛，胡群钦，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43