【技术实现步骤摘要】
一种无人机辅助移动边缘计算的调度优化方法及系统
[0001]本专利技术涉及无人机移动边缘计算的
,更具体地,涉及一种无人机辅助移动边缘计算的调度优化方法及系统。
技术介绍
[0002]物联网计算的飞速发展,推动着计算任务密集型智能设备的普及,如自动驾驶、虚拟现实等,使生活更加便捷。在现阶段虽然移动设备配备了强大的硬件,但是在满足低时延的要求下完成移动应用程序的计算任务仍需要巨大的能耗。近些年提出了移动边缘计算(MEC)来克服这一缺点,即将用户设备的计算任务转移到网络边缘进行计算,极大降低设备的能耗。最近,无人机搭载MEC在工业界和学术界也被广泛讨论,利用无人机的覆盖能力和机动性,实现更低时延要求、提供更灵活的计算服务以及降低成本。无人机搭载MEC存在以下问题:(1)如何选择适当的设备关联,即用户设备选择卸载计算任务或是本地处理计算任务,以尽量减少所有用户设备的长期能量消耗;(2)考虑用户设备计算任务不同,如何实时控制无人机的飞行轨迹,即飞行方向和距离,特别是无人机需要到达特定终点的情况。对于MEC和无人机的结合使用方法,已经有很多学者做了相关研究。由于无人机的策略空间,即最优轨迹,是连续的空间,传统的穷举搜索方法很难解决。有些学者提出了一种量化的动态规划算法来解决MEC的资源分配问题,由于无人机的飞行选择几乎是无限的,该算法的复杂性非常高;或者是将无人机轨迹离散化为无人机位置序列,将连续空间转化成离散的有限空间,使得问题可处理化,也有通过离散变量近似无人机轨迹,通过传统的凸优化方法进行优化,但上述方法会降低无人 ...
【技术保护点】
【技术特征摘要】
1.一种无人机辅助移动边缘计算的调度优化方法,其特征在于,包括:S1:构建移动边缘计算系统的卸载模型,所述模型包括一个无人机和若干个用户设备;S2:根据移动边缘计算系统的卸载模型,获得计算任务的能耗;S3:以用户设备的平均能耗最小化为目标,建立联合无人机轨迹和用户设备调度的优化问题;S4:将所述优化问题转化为马尔科夫决策过程,定义移动边缘计算系统卸载模型的状态空间、动作空间和回报函数;S5:基于SAC算法构建深度神经网络,利用状态空间、动作空间和回报函数对深度神经网络进行训练,获得训练好的深度神经网络;S6:利用训练好的深度神经网络进行调度优化,获得最优调度策略,即无人机飞行轨迹和用户设备的选择策略。2.根据权利要求1所述的无人机辅助移动边缘计算的调度优化方法,其特征在于,所述步骤S1中,构建的移动边缘计算系统的卸载模型具体为:移动边缘计算系统的卸载模型包括单个无人机和N个用户设备,无人机最多同时服务K个用户设备,每个用户设备选择将计算任务由本地计算或者卸载至无人机计算;设定无人机的飞行区域的长度和宽度分别为X
max
和Y
max
,无人机在固定高度h以v(t)恒定速度飞行,天线发射角度为θ,飞行最大速度为v
max
;无人机的飞行时间为T个时隙,每个时隙长度为τ,在任意时刻完成计算任务的时间不能超过最大时延T
max
;将无人机的坐标表示为[X(t),Y(t),h],用户设备的坐标表示为[x
i
(t),y
i
(t),0],i∈{1,2,
…
,N};设定无人机在t时刻的飞行距离和水平方向角度分别为d(t)和θh(t),则X(t)=X(t
‑
1)+d(t)cos(θh(t)),Y(t)=Y(t
‑
1)+d(t)sin(θ
h
(t));无人机的最大覆盖范围为R
max
=h
·
tan(θ),飞行速度为定义t时刻的计算任务为:I
i
(t)={D
i
(t),F
i
(t)}式中,D
i
(t)表示选择卸载计算t时刻的计算任务时的数据传输量,F
i
(t)表示完成t时刻的计算任务所需的计算能力;定义α
i
(t)∈{0,1}表示用户设备的选择策略,α
i
(t)=0时表示t时刻的计算任务本地计算,α
i
(t)=1时表示t时刻的计算任务卸载计算。3.根据权利要求2所述的无人机辅助移动边缘计算的调度优化方法,其特征在于,所述步骤S2中,根据移动边缘计算系统的卸载模型,获得计算任务所消耗的能量包括:用户设备选择卸载计算,即α
i
(t)=1;此时该用户设备与无人机的水平面上的距离为:则卸载计算时上行链路速率为:式中,B表示通信信道的平均带宽,P
Tr
表示用户设备数据卸载的传输功率,ρ表示传输功率系数;
用户设备传输计算任务的时间开销为:无人机处理计算任务的时间开销为:式中,f
U
(t)表示无人机的计算能力;则用户设备选择卸载计算的总时间开销为:用户设备选择卸载计算的能耗为:式中,表示第i个用户设备选择卸载计算的能耗。4.根据权利要求3所述的无人机辅助移动边缘计算的调度优化方法,其特征在于,所述步骤S2中,根据移动边缘计算系统的卸载模型,获得计算任务所消耗的能量还包括:用户设备选择本地计算,即α
i
(t)=0;用户设备处理计算任务的时间开销为:式中,表示用户设备的计算能力;将用户设备的功耗设定为则用户设备选择本地计算的能耗为:式中,k
i
为第一常数,v
i
为第二常数。5.根据权利要求4所述的无人机辅助移动边缘计算的调度优化方法,其特征在于,所述步骤S3中,以用户设备的平均能耗最小化为目标,建立联合无人机轨迹和用户设备调度的优化问题,具体为:定义飞行动作集合用户设备调度策略集合则优化问题P表示为:P:P:P:P:P:P:
其中,E
i
(t)表示用户设备的能耗,当α
i
(t)=1时,当α
i
(t)=0时,(t)=0时,表示约束无人机最多同时服务K个用户设备,α
i
(t)S
i
(t)≤R
max
表示约束选择卸载计算的用户设备在无人机的最大覆盖范围中。6.根据权利要求5所述的无人机辅助移动边缘计算的调度优化方法,其特征在于,所述步骤S4中,设计的移动边缘计算系统卸载模型的状态空间和动作空间具体为:在移动边缘计算系统的卸载模型中,无人机与用户设备相当于一个智能体,在每个时隙,智能体从环境中观...
【专利技术属性】
技术研发人员:张广驰,何梓楠,崔苗,刘圣海,王日明,王昆,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。