最大化多无人机架构收益的方法技术

本发明专利技术涉及物联网的技术领域，特别是涉及一种最大化多无人机架构收益的方法，其通过权衡用户的体验质量和运营商的运营成本，设计了参数化的净收益模型，共同优化通信、计算和缓存资源分配策略，在满足用户需求的同时最大化无人机协助的移动边缘计算的净收益，在此基础上，提出了多维混合自适应粒子群算法来求解联合优化问题。

【技术实现步骤摘要】
最大化多无人机架构收益的方法
本专利技术涉及物联网的
，特别是涉及一种最大化多无人机架构收益的方法。
技术介绍
随着物联网的发展的多样性和复杂性，任务对物联网的计算需求达到了前所未有的水平。然而，由于物联网有限的计算和电池能力，很难在本地处理计算密集型任务，由于无人机的低成本、高灵活性以及空对地的可视通信信道连接，无人机已被广泛应用于为物联网提供增强信息覆盖和中继服务，无人机飞行在待服务的地区上，每个地区都有多个物联网设备，并且无人机将本地难以处理的任务从物联网设备上转发至移动边缘计算服务器上，通过移动边缘计算服务器进行计算处理，其中移动边缘计算是将计算资源部署在无线网络边缘从而为物联网提供就近服务的计算处理技术。而现在缺乏关于无人机协助的移动边缘计算系统带来的收益的研究，因此急需在综合考虑用户的体验质量和运营商的运营成本的情况下，最大化无人机协助的移动边缘计算系统的净收益计算模型。
技术实现思路
为解决上述技术问题，本专利技术提供一种通过权衡用户的体验质量和运营商的运营成本，设计了参数化的净收益模型，共同优化本文档来自技高网...

【技术保护点】
1.一种最大化多无人机架构收益的方法，其特征在于，包括：/n步骤1、获取部署UAMEC系统区域内的待服务地区集合与待服务地区内的物联网节点集合，获取待服务地区和物联网节点坐标，获取待服务地区内无人机的飞行高度，获取物联网节点产生的任务元组；/n步骤2、依据步骤1获取的数据，建立通信模型；/n步骤3、建立节点任务总处理时间计算模型/n步骤4、建立用户能源消耗计算模型和运营商的能源消耗计算模型；/n步骤5、建立UAMEC系统的净收益计算模型；/n步骤6、共同优化卸载策略，缓存策略，带宽分配和计算资源分配来最大化运营商的净收益，并构建最大化多无人机架构收益方法的目标函数。/n

【技术特征摘要】
1.一种最大化多无人机架构收益的方法，其特征在于，包括：
步骤1、获取部署UAMEC系统区域内的待服务地区集合与待服务地区内的物联网节点集合，获取待服务地区和物联网节点坐标，获取待服务地区内无人机的飞行高度，获取物联网节点产生的任务元组；
步骤2、依据步骤1获取的数据，建立通信模型；
步骤3、建立节点任务总处理时间计算模型
步骤4、建立用户能源消耗计算模型和运营商的能源消耗计算模型；
步骤5、建立UAMEC系统的净收益计算模型；
步骤6、共同优化卸载策略，缓存策略，带宽分配和计算资源分配来最大化运营商的净收益，并构建最大化多无人机架构收益方法的目标函数。


2.如权利要求1所述的最大化多无人机架构收益的方法，其特征在于，步骤1：定义第k个待服务的地区为DRk，那么所有待服务地区可由集合DR＝{DR1,DR2,...,DRK}表示；
设在地区DRk内有Nk个物联网节点，且在地区DRk内的第i个节点由表示，因此地区DRk内的所有节点可由集合表示；
无人机盘旋在地区的中心时，无人机可以为这个地区内的节点提供转发服务，无人机按照预定的轨迹飞行，且飞行高度为H，并且将盘旋在地区DRk的无人机记做Uk；
设定K＝{1，2，...,K}作为地区的指示下标，设定Nk＝{1,2,...,Nk}为地区DRk内的物联网节点的指示下标；
应用了3D欧几里得坐标系，且它的原点为基站的坐标，则地区DRk和节点的坐标分别为(Xk,Yk,0)和
假设每个物联网节点都有一个待执行的任务，物联网节点既可以本地执行任务也可以将任务卸载到MEC服务器上执行；节点产生的任务由元组表示，其中代表输入数据的大小(单位为bit)，为任务的计算复杂度(单位为cycles/bit)，且为任务的截止时间(单位为s)；定义为任务的卸载策略，可以被分配0或1来指示任务是否被卸载到MEC服务器上；
在第一次传输某些特定的数据时，MEC服务器可以选择是否存储数据；如果数据被存储，那么在未来它就可以不经过传输直接被使用；因此，数据的缓存策略可以由表示，如果MEC服务器缓存数据否则


3.如权利要求2所述的最大化多无人机架构收益的方法，其特征在于，步骤2、建立通讯模型，MEC服务器将计算结果传回物联网节点的传输时延可忽略不计；因此，若任务通过无人机被卸载到MEC服务器上，那么它应该经历了两次传输过程：
1)第一次传输：物联网节点→无人机当无人机盘旋在地区的中心时，无人机将和地区中心有相同的水平坐标；因此节点与无人机Uk之间的距离为



考虑到障碍物的屏蔽，无人机与物联网节点之间的通信链路应是视线(LOS)和非视线(NLOS)信道的概率叠加；节点与无人机Uk之间的路径损耗为



其中ηL和ηNL分别代表LOS和NLOS链路相应的衰减因子；c为光速，g为载频频率；节点与无人机Uk之间有LOS链路的概率为



其中δ和ε表示与环境相关的系数，并且为



因此，节点与无人机Uk之间的平均路径损耗为



在物联网节点与无人机之间采用频分多址(FDMA)技术，位于同一区域的物联网节点共享带宽；假设无人机和物联网节点之间的带宽为BU，并且为分配给节点的带宽比例；因此带宽分配策略可由表示；根据香农定理，节点与无人机Uk之间的平均传输速率为



其中PsN代表物联网节点的发送功率，且σ2为高斯白噪声；
带宽分配策略必须满足



2)第二次传输：UAV→MEC服务器无人机Uk与MEC服务器之间的距离为



无人机和MECS之间的通信非常好，以至于NLOS链路的情况可以被忽略；与(2)相似，无人机Uk与MEC服务器之间的路径损耗可表示为



无人机与MEC之间的链路采用时分多址(TDMA)方式；B是无人机和MECS之间的可用频谱带宽；无人机Uk与MEC服务器之间的平均传输速率可以计算为



其中PsU代表无人机的发送功率密度。


4.如权利要求3所述的最大化多无人机架构收益的方法，其特征在于，步骤3：建立节点任务总处理时间计算模型，根据本地和MEC计算方法的处理时间来建立模型；
1)本地计算：定义节点的计算能力为(每秒转的周期数)；不同的物联网节点可能有不同的计算能力；本地计算任务的计算时延为



2)MEC计算：对于MEC计算，节点应该先将他的计算任务通过无人机Uk卸载至MEC服务器上，然后MEC服务器可以处理任务但如果任务所需的数据都已缓存在MEC服务器上，MEC服务器则可直接处理任务即不需要再需要...

【专利技术属性】
技术研发人员：任智源，郑书亚，程文驰，王晨，陈晨，张海林，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61