一种多终端多无人机分层调度辅助边缘计算资源分配方法组成比例

本发明专利技术公开了一种多终端多无人机分层调度辅助边缘计算资源分配方法，以最小化无人机数量和优化无人机轨迹、任务卸载策略为目标，建立了无人机分层调度模型，并综合考虑任务传输时延、任务卸载决策以及完成任务所需的最小能耗，对各个无人机节点的轨迹分配、飞行速度、数据发射速率、飞行路径等参量进行联合优化，降低无人机辅助边缘计算系统完成任务的能耗，以求得最优的系统资源分配策略，把每个无人机的位置编进一个单元，将其中的可变长度优化问题改编为二维优化问题，并调整无人机悬停能耗加权因子以降低优化问题的复杂度。本发明专利技术进一步提出无人机分层优化调度方式解决变量类型不统一的问题，有效降低了算法复杂度。有效降低了算法复杂度。有效降低了算法复杂度。

【技术实现步骤摘要】
一种多终端多无人机分层调度辅助边缘计算资源分配方法


[0001]本专利技术涉及计算机无线通信
，尤其是一种多终端多无人机分层调度辅助边缘计算资源分配方法。

技术介绍

[0002]当下，物联网设备爆发增长，可穿戴设备、手机平板、家用电器、传感器等各类终端设备数量爆炸式增长，预估2023年全球联网设备将达到293亿台，2025年全球数据量将达到163ZB，计算密集型应用使得云计算负载和网络流量激增，计算成本高，网络拥塞严重，无法可靠保障用户的计算需求。与此同时，新技术应用不断涌现，自动驾驶、虚拟/增强现实、多媒体视频流等应用不断普及，这些应用都对计算能力、时延、能耗以及安全性有较高要求，而云计算无法提供低能耗、低时延、高效安全的计算服务，用户体验质量无法得到保障。针对云计算资源受限与计算任务时延苛刻的挑战，移动边缘计算技术(Mobile Edge Computing，MEC)成为了解决问题的有效技术方案，在学术界和工业界得到了迅速发展。移动边缘计算是一种基于移动网络的全新分布式计算方式，运行在移动网络边缘、运行特定任务的云服务器。MEC可以将云计算和云存储拉近到网络边缘，从而创造出一个具备高性能、低延迟与高宽带的服务环境，加速网络中各项内容、服务与应用的分发和下载，让用户有更高质量的网络体验。对于传统MEC服务器部署成本高，部署移动性差，网络覆盖能力不足等问题，无人机使能的MEC系统，综合无人机的算力和MEC的移动性，有独一无二的优势，无人机结合蜂窝网络能够以低成本、高移动性的方式支持移动通信，而无人机作为基站时，与地面基站相比，无人机基站对环境变化的适应能力更强。当然，作为新兴技术，无人机辅助MEC也存在问题和挑战有待解决，很明显的一点是无人机极为有限的续航能量，无人机飞行能耗的大开销导致网络生命周期短暂，导致计算能力受限，同时，传统的2D轨迹优化没有充分发挥无人机多维轨迹设计的自由度，通信性能有待提升，因此研究基于存在大规模地面终端下多无人机分层调度的移动边缘计算系统的资源分配方法存在一定的意义。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例，在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述和/或现有技术中所存在的问题，提出了本专利技术。
[0005]因此，本专利技术所要解决的技术问题是无人机极为有限的续航能量，无人机飞行能耗的大开销导致网络生命周期短暂，导致计算能力受限，同时，传统的2D轨迹优化没有充分发挥无人机多维轨迹设计的自由度，通信性能有待提升。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：一种多终端多无人机分层调度辅助边缘计算资源分配方法，包括如下步骤：
[0007]建立存在大规模地面终端和多无人机的边缘卸载场景；
[0008]建立任务本地执行所需能耗模型；
[0009]建立任务卸载到无人机执行所需能耗模型；
[0010]建立无人机悬停所需能耗模型；
[0011]以最小化系统能耗为总目标，并考虑无人机轨迹部署和任务卸载策略约束求得最优解；
[0012]将系统进行分层调度，上层系统利用改进的差异进化算法即分层优化算法取得无人机轨迹部署的最优解；
[0013]在取得上层系统的最优解后，用于下层系统进行任务卸载策略的最优解求取。
[0014]作为本专利技术所述多终端多无人机分层调度辅助边缘计算资源分配方法的一种优选方案，其中：考虑一个无人机分层调度的移动边缘计算系统，包含M个地面终端及N个无人机；
[0015]第i个用户的位置表示为(x
i
,y
i
,0),i∈M；无人机飞行在固定高度H,其坐标表示为(X
j
,Y
j
,H),j∈N；定义U
i
为第i个地面终端待执行的任务；定义K作为每个任务的执行模式，k∈K，k＝0表示任务本地执行，k>0表示任务被卸载到无人机k上执行，此时a
i,k
＝1，a
i,k
＝1表示任务U
i
在k模式下执行；定义任务在地面终端设备本地执行所需能耗为：
[0016][0017]其中，η1表示有效切换电容，v是一个大于0的常数，C
i
表示执行任务所需的CPU转数；
[0018]定义任务被卸载到无人机上执行所需能耗为：
[0019][0020]其中，P表示每个移动设备的传送功率，D
i
表示用户i上传数据规模，r
i,k
表示数据上传速率，η2表示有效切换电容；
[0021]任务U
i
的数据上传速率为：
[0022][0023]其中B为信道带宽，P为每个地面终端设备的传送功率，β0表示在参考距离处的信道功率增益，G0是一个常量，N0是噪声功率谱密度；θ表示无人机的固定波束宽度的定向天线；
[0024]定义无人机悬停所需能耗为：
[0025]E
H
＝P0T
[0026]其中，P0表示悬停功率，T表示悬停时间。
[0027]作为本专利技术所述多终端多无人机分层调度辅助边缘计算资源分配方法的一种优选方案，其中：建立系统模型，所述系统模型具体包括目标函数和约束条件；其中目标函数为最小化系统能耗，主要约束条件为无人机部署策略及任务规划。
[0028]其中，所述的系统模型中最小化系统能耗如下：
[0029][0030]约束条件如下：
[0031][0032][0033][0034][0035][0036][0037][0038][0039]其中，定义矩阵a为卸载决策，a
i,0
表示任务在本地执行，a
i,k
表示任务被卸载到部署在无人机的边缘服务器上执行，C1表示地面终端i与无人机j最大距离为无人机j的覆盖半径，表示无人机j与地面终端i间距离；C2表示两个无人机间防止碰撞的最小距离约束；C3表示每个无人机最大的执行任务数的约束条件；C4表示任务执行完成约束；C5和C6约束k模式下f
i,k
>0，矩阵f
i,k
表示k模式下给任务U
i
的计算资源分配；C7和C8为每个任务的传输时延约束。
[0040]作为本专利技术所述多终端多无人机分层调度辅助边缘计算资源分配方法的一种优选方案，其中：所述将系统进行分层调度，上层系统利用改进的差异进化算法即分层优化算法取得无人机轨迹部署的最优解，具体步骤如下：
[0041]首先进行初始化算子，为第一个无人机随机生成一个位置并存储进P内，再为第二个无人机生成一个位置，如果二者间距离满足约束C2，即二者不会碰撞，则将第二个无人机位置存储进P，此时num
vio
＝0，否则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多终端多无人机分层调度辅助边缘计算资源分配方法，其特征在于：包括如下步骤：建立存在大规模地面终端和多无人机的边缘卸载场景；建立任务本地执行所需能耗模型；建立任务卸载到无人机执行所需能耗模型；建立无人机悬停所需能耗模型；以最小化系统能耗为总目标，并考虑无人机轨迹部署和任务卸载策略约束求得最优解；将系统进行分层调度，上层系统利用改进的差异进化算法即分层优化算法取得无人机轨迹部署的最优解；在取得上层系统的最优解后，用于下层系统进行任务卸载策略的最优解求取。2.根据权利要求1所述的多终端多无人机分层调度辅助边缘计算资源分配方法，其特征在于：考虑一个无人机分层调度的移动边缘计算系统，包含M个地面终端及N个无人机；第i个用户的位置表示为(x
i
,y
i
,0),i∈M；无人机飞行在固定高度H,其坐标表示为(X
j
,Y
j
,H),j∈N；定义U
i
为第i个地面终端待执行的任务；定义K作为每个任务的执行模式，k∈K，k＝0表示任务本地执行，k>0表示任务被卸载到无人机k上执行，此时a
i,k
＝1，a
i,k
＝1表示任务U
i
在k模式下执行；定义任务在地面终端设备本地执行所需能耗为：其中，η1表示有效切换电容，v是一个大于0的常数，C
i
表示执行任务所需的CPU转数；定义任务被卸载到无人机上执行所需能耗为：其中，P表示每个移动设备的传送功率，D
i
表示用户i上传数据规模，r
i,k
表示数据上传速率，η2表示有效切换电容；任务U
i
的数据上传速率为：其中B为信道带宽，P为每个地面终端设备的传送功率，β0表示在参考距离处的信道功率增益，G0是一个常量，N0是噪声功率谱密度；θ表示无人机的固定波束宽度的定向天线；定义无人机悬停所需能耗为：E
H
＝P0T其中，P0表示悬停功率，T表示悬停时间。3.根据权利要求1或2所述的多终端多无人机分层调度辅助边缘计算资源分配方法，其特征在于：建立系统模型，所述系统模型具体包括目标函数和约束条件；其中，所述的系统模型如下：s.t.C1∶
C2∶C3∶C4∶C5∶C6∶C7∶C8∶其中，定义矩阵a为卸载决策，a
i,0
表示任务在本地执行，a
i,k
表示任务被卸载到部署在无人机的边缘服务器上执行，C1表示地面终端i与无人机j最大距离为无人机j的覆盖半径，表示无人机j与地面终端i间距离；C2表示两个无人机间防止碰撞的最小距离约束；C3表示每个无人机最大的执行任务数的约束条件；C4表示任务执行完成约束；C5和C6约束k模式下f
i,k
>0，矩阵f
i,k
表示k模式下给任务U
i
的计算资源分配；C7和C8为每个任务的传输时延约束。4.根据权利要求3所述的多终端多无人机分层调度辅助边缘计算资源分配方法，其特征在于：所述将系统进行分层调度，上层系统利用改进的差异进化算法即分层优化算法取得无人机轨迹部署的最优解，具体步骤如下：首先进行初始化算子，为第一个无人机随机生成一个位置并存储进P内，再为第二个无人机生成一个位置，如果二者间距离满足约束C2，即二者不会碰撞，则将第二个无人机位置存储进P，此时num
vio
＝0，否则第二个无人机的位置非法，num
vio
＝num
vio
+1统计失败数目，当num
vio
>200时，重新开始初始化算子，若num
...

【专利技术属性】
技术研发人员：王舒杨，余雪勇，王俊科，鲍思宇，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：