面向无人机移动边缘计算场景的路径规划和任务卸载方法技术

本发明专利技术公开了面向无人机移动边缘计算场景的路径规划和任务卸载方法，涉及移动边缘计算和深度学习领域，包括S1建立网络场景模型；S2无人机和地面终端信息导入网络场景模型；S3建立深度强化学习网络并初始化；S4求解最优飞行时隙；S5初始化无人机移动边缘计算场景状态；S6执行行为；S7判断飞行是否越界，若是则惩罚、停止飞行并更新状态；S8保存行为、奖励、当前及下一刻状态至样本；S9重复S6至S8；S10计算目标值，更新网络参数；S11重复S4至S10，获得路径规划和任务卸载方法；设计基于深度增强学习的框架，实现深度增强学习和凸优化技术在计算复杂度和计算精度上的权衡与互补，最小化无人机能耗和终端任务完成时间，提升无人机执行地面终端任务能效。面终端任务能效。面终端任务能效。

【技术实现步骤摘要】
面向无人机移动边缘计算场景的路径规划和任务卸载方法


[0001]本专利技术涉及移动边缘计算和深度学习领域，尤其涉及面向无人机移动边缘计算场景的路径规划和任务卸载方法。

技术介绍

[0002]由无人机提供支持的无线通信是近些年研究的热点，无人机的高灵活性和机动性，使得其辅助的无线网络可以被快速部署。无人机还可以部署在无线网络中作为移动边缘计算服务器，以执行从地面终端卸载的任务，从而地面终端的计算能力和电池寿命可以得到有效的提升。启用无人机的移动边缘计算实际上也可以进行缓存，即将最频繁卸载的任务预存储在本地内存中，以避免在任务卸载期间地面终端向无人机传输冗余数据。
[0003]尽管有这些优点，但有三个尚未解决的技术问题阻碍了无人机移动边缘计算有效完成地面终端任务。首先，应在三维环境中正确设计无人机的航迹，以确保每个地面终端都能通过短距离上行链路传输卸载数据。然而，由于地面终端和无人机之间的无线链路受到无人机移动的影响，其轨迹的设计很难实现。其次，应控制无人机飞行时间，使无人机的总体推进能量最小化，同时具有较高的系统能效。鉴于旋翼无人机的推进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.面向无人机移动边缘计算场景的路径规划和任务卸载方法，其特征在于，包括以下步骤：S1、建立无人机移动边缘计算的网络场景模型；S2、收集当前区域内的无人机和地面终端信息，并导入网络场景模型；S3、建立深度强化学习网络，初始化初始及目标网络参数；S4、给定无人机飞行路径和地面终端任务卸载信息，利用凸优化方法求解无人机最优飞行时隙；S5、初始化深度强化学习网络中无人机移动边缘计算场景状态；S6、根据状态和奖励执行行为；S7、判断无人机飞行是否越界，若是，进行惩罚、停止飞行并更新状态；S8、保存行为、奖励、当前及下一刻状态至样本中；S9、将步骤S6至S8重复固定次数；S10、在S8获得的样本中，随机选择小样本计算目标值，并通过损失函数更新网络参数；S11、将步骤S4至S10重复固定次数，获得趋于稳定的路径规划和任务卸载方法。2.根据权利要求1所述的面向无人机移动边缘计算场景的路径规划和任务卸载方法，其特征在于，在S1中包括：S11、在一个无人机被派遣来服务地面终端的三维区域内，该区域被均匀分为多个单元格，第i个单元格的中心的水平坐标为式中指所有单元格的水平中心的横坐标集合，x
s
和y
s
指两个相邻的单元格x及y方向的水平距离；指无人机在第n时隙的水平位置，式中其中N指代所有时隙；设置和为事先设定的无人机起飞和降落水平中心；指代无人机在第n时隙的垂直位置；空间坐标和时隙持续时长表征无人机的路径规划；S12、根据无人机水平飞行速度恒定的叶翼功率P0、悬停诱导功率P1、恒定的下降或上升功率P2、动叶叶翼速度U
tip
、悬停时平均旋翼诱导速度υ0、机身阻力比d0、转子固体度s、空气密度ρ和转子盘面积G，计算旋翼无人机的推进能量为S13、根据地面终端k的上传功率P
k
、被分配的通信带宽B、加性高斯白噪声的功率谱密度N0，计算第k个地面终端在第n时隙的最大上行速率r
kn
为式中l
kn
指通信链路损失，由表达式确定，式
中A和C为常数，d
kn
和p
kn
分别指在第n时隙第k个任务的数据处理量和视距连接概率；S14、通过地面终端的CPU处理速率f
g
、无人机处理速率f
u
、需要计算的CPU周期总数F
k
、需要处理的数据总数D
k
、第n个时隙中被用于做数据传输的时间窗口的比例α
n
及任务卸载指示a
kn
，计算第n时隙k任务的数据处理量3.根据权利要求2所述的面向无人机移动边缘计算场景的路径规划和任务卸载方法，其特征在于，在S2中，收集当前区域内的无人机L、...

【专利技术属性】
技术研发人员：梅海波，车畅，梁楚雄，孙小博，刘子歌，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：