基于无人机二元卸载边缘计算的系统吞吐量最大化方法技术方案

本发明专利技术涉及无人机移动边缘计算(MEC)技术领域，具体公开了一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其通过联合优化计算卸载选择、设备计算频率和无人机轨迹，使用二元计算卸载策略最大化无人机支持的MEC中所有地面设备间的最小计算吞吐量，将这个优化问题模型化为一个混合整数非凸优化问题。并采用惩罚函数来刻画非二元解的影响，将优化问题模型化为等价的数学表达式。以及利用惩罚逐次凸逼近(P

【技术实现步骤摘要】
基于无人机二元卸载边缘计算的系统吞吐量最大化方法


[0001]本专利技术涉及无人机移动边缘计算(MEC)
，尤其涉及一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法。

技术介绍

[0002]随着物联网(IoT)和5G网络的快速发展，越来越多的应用和服务需要低时延、大规模的计算能力从而为用户提供更好的体验，如：自动驾驶汽车、图像和视频处理、人脸识别、实时网络游戏等。然而，大多数物联网设备的能量和计算能力有限，难以保证设备的持续工作以及瞬时响应。为解决这个难题，研究者们引入了移动边缘计算(MEC)的概念，通过将强大的计算资源移动到网络边缘，物联网设备无需将数据传输到远程云端就能在网络边缘处执行所需的大量计算任务，从而使数据传输延迟显著减少。借助MEC，IoT设备可以转移计算任务到网络边缘进行即时处理，从而节省设备的能量消耗。
[0003]MEC通常包括两种计算任务卸载模型，即部分计算任务卸载模型和二元计算任务卸载模型。部分卸载将每个计算任务都分为两部分，一部分在本地计算，另一部分转移到边缘服务器进行计算；二元卸载要求每个任务要么整本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，包括步骤：S1、将无人机作为多个设备的边缘服务器，对每个设备采用二元计算任务卸载策略，设备为地面物联网设备；S2、在每个设备的最大能量约束条件下，以最大化所有设备中计算吞吐量的最小值η为目标，联合优化无人机轨迹Q以及每个设备的卸载模式选择X、CPU频率F，构建原始问题模型；S3、对原始问题模型进行求解，得到在每个时间周期T内的无人机路径。2.根据权利要求1的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，在步骤S2中，原始问题模型表示为：始问题模型表示为：始问题模型表示为：始问题模型表示为：始问题模型表示为：始问题模型表示为：||q[n+1]
‑
q[n]||≤V
max
δ
t
,n＝1,...,N
‑
1,
ꢀꢀꢀꢀꢀ
(6)q[1]＝q[N],
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，每个时间周期T离散成N个长度为δ
t
的时隙；x
k
[n]∈{0,1}为K个设备中第k个设备s
k
的卸载指示变量，式(2)表示若设备s
k
在时隙n内将任务卸载到无人机，则x
k
[n]＝1，否则x
k
[n]＝0；R
k
[n]表示时隙n从设备s
k
到无人机的可达速率；表示时隙n中设备s
k
本地计算的比特数，f
k
[n]为设备s
k
在n时刻的CPU频率，C
k
为设备s
k
计算1比特输入数据所需的CPU时钟数；式(3)表示每个时隙最多有一台设备将任务卸载给无人机；式(4)表示对于任意的设备，每个时隙的f
k
[n]均不大于其最大CPU频率式(5)表示设备s
k
的能耗不超过其最大能量约束最大能量约束表示设备s
k
的通信相关能耗，P为设备s
k
的发射功率，表示设备s
k
的计算相关能耗，κ
k
为设备s
k
的任务计算的有效电容系数，取决于设备s
k
处理器的芯片架构；式(6)表示无人机在每一时隙的飞行速度不大于其最大飞行速度V
max
，t∈[0,T]表示无人机以固定高度H在空中飞行时随时间变化的水平坐标，无人机在时隙n及下一时隙n+1的水平坐标分别表示为q[n]、q[n+1]；式(7)表示无人机应在时间范围T结束时q[N]返回其初始位置q[1]；3.根据权利要求2的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，步骤S3具体包括步骤：
S31、基于惩罚逐次凸逼近方法对原始问题模型进行优化；S32、基于差分凸函数优化框架对优化后的原始问题模型进行迭代求解。4.根据权利要求2的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，步骤S31具体包括步骤：S311、引入一个惩罚项使得当X的值不是二元整数解时...

【专利技术属性】
技术研发人员：詹成，徐常元，廖婧睿，龚珏，
申请(专利权)人：西南大学，
类型：发明
国别省市：