基于凸优化的无人机部署和计算卸载联合优化方法技术

本发明专利技术涉及一种基于凸优化的无人机部署和计算卸载联合优化方法。该方法设计了一种基于凸优化的算法，通过联合优化无人机部署和计算卸载来最小化无人机辅助移动边缘计算系统中的平均任务响应时间。首先，通过块坐标下降法将原问题分解成无人机部署优化、地面设备接入优化和计算任务卸载优化三个子问题；然后，通过交替求解上述子问题来获得原问题的近似最优解；最后，对该算法的性能进行评估。仿真结果表明，本发明专利技术所设计的算法可以在几秒钟内生成联合优化解决方案，并且比其他经典方法具有4.37%~43.04%的优越性能。4.37%~43.04%的优越性能。4.37%~43.04%的优越性能。

【技术实现步骤摘要】
基于凸优化的无人机部署和计算卸载联合优化方法


[0001]本专利技术涉及一种基于凸优化的无人机部署和计算卸载联合优化方法。

技术介绍

[0002]随着移动设备(例如智能手机、平板和可穿戴设备)的普及，越来越多新式的移动应用涌现出来。其中，越来越多的应用程序是资源密集型和延迟敏感的，例如人脸识别和增强现实应用程序。然而，由于CPU、电池寿命等物理限制，移动设备不断增长的容量仍然落后于人们的需求。因此，在移动设备上执行资源密集型和延迟敏感的任务是一项非常具有挑战性的任务。
[0003]移动边缘计算是解决上述挑战的有效计算范式，它通过在网络边缘部署边缘服务器的方式将云中心的计算能力下沉到网络边缘，利用边缘服务器较为丰富的计算资源弥补移动设备的不足。无人机高机动性的特点使其不仅可以进入救援人员无法进入的危险场景中执行搜救任务，还可以在无基础通信设施或者基础通信设施受损的区域充当临时通信基站的角色，为救援设备提供通信和计算服务。集合移动边缘计算和无人机的特点和优势，将无人机作为边缘服务器应用于移动边缘计算范式形成无人机使能的移动边缘计算系统可以一定程度上解决特殊场景中移动设备计算资源不足的问题。在该类系统中，多台无人机协同部署，每台移动设备选择合适的无人机并按需进行计算卸载。为了提升对移动设备的服务质量，需要对无人机部署和计算卸载进行联合优化。考虑到移动设备位置、计算需求经常发生变化，上述联合部署和卸载方案也需要随之调整，选择合适的联合优化方案面临组合爆炸问题。因此，需要寻找高效的联合优化方案生成方法，以满足计算卸载的实时性需求。
[0004]在已有研究工作中，作者通常采用启发式算法或搜索算法求解边缘部署问题，需要数十秒、甚至上百秒才能找到合适的边缘部署方案，难以满足无人机使能移动边缘计算系统中无人机需要快速部署的需求。近年来，一些研究工作采用了深度强化学习方法解决无人机使能移动边缘计算系统中无人机部署和计算卸载优化问题，但此类方法在解决问题前需要大量数据进行模型训练，在缺乏数据的情况下优化效果有限。此外，也有一些研究工作采用凸优化相关方法进行求解无人机使能移动边缘计算系统中无人机部署和计算卸载优化问题，但在这些研究工作所考虑的场景中，计算任务仅能进行完全卸载，无法进行按需卸载以充分利用边缘和移动设备的计算资源，资源利用率较低。

技术实现思路

[0005]本专利技术的目的在于针对无人机使能的移动边缘计算系统，形式化定义了无人机部署、地面用户接入和计算任务卸载的联合优化问题，旨在最小化任务平均响应时间，提供一种基于凸优化的无人机部署和计算卸载联合优化方法。
[0006]为实现上述目的，本专利技术的技术方案是：一种基于凸优化的无人机部署和计算卸载联合优化方法，将联合优化问题分解成无人机部署优化、地面设备接入优化和计算任务
卸载优化三个子问题；通过交替求解三个子问题来获得联合优化问题的近似最优解，以最小化任务平均响应时间。
[0007]相较于现有技术，本专利技术具有以下有益效果：
[0008]本专利技术在算法收敛性、算法执行效率和系统性能方面存在优势，能够在几秒内生成联合优化解，可用于由多台无人机和多个地面设备组成的无人机辅助移动边缘计算系统，通过对无人机的部署位置和地面用户的任务卸载方案进行快速决策，以减小系统内各地面设备计算任务的平均响应时间。
附图说明
[0009]图1为多无人机使能的移动边缘计算系统。
[0010]图2为不同场景下系统平均响应时间收敛曲线。
[0011]图3为不同系统场景中AO
‑
BS与先进算法所得到的平均任务响应时间对比。
[0012]图4为不同系统场景下AO
‑
BS与先进算法的执行时间对比。
[0013]图5为不同系统场景下AO
‑
BS与其变体算法所得的平均任务响应时间对比。
具体实施方式
[0014]下面结合附图，对本专利技术的技术方案进行具体说明。
[0015]本专利技术一种基于凸优化的无人机部署和计算卸载联合优化方法，将联合优化问题分解成无人机部署优化、地面设备接入优化和计算任务卸载优化三个子问题；通过交替求解三个子问题来获得联合优化问题的近似最优解，以最小化任务平均响应时间。
[0016]以下为本专利技术具体实现过程。
[0017]本专利技术考虑一个如图1所示的多无人机使能的移动边缘计算系统，它由两层结构组成，即由M个地面设备组成的地面层和由N台无人机组成的空中层。系统中的所有地面设备和无人机分别用和表示。不失一般性的，我们使用三维欧几里得坐标系来表示系统内地面设备和无人机的位置。地面设备的坐标可以表示为其中和用以表征地面设备m在水平面上的位置。系统中所有无人机的部署位置用表示，其中为无人机n的部署位置，和用于表示无人机n在水平面上的部署位置，H表征无人机的飞行高度。我们假设无人机在计算任务执行过程中以固定的高度H>0飞行，工作于该高度的无人机无需频繁的上升和下降即可避免工作区域内的所有障碍物。地面设备与无人机之间的无线信道可用自由空间路径损耗模型进行模拟，这已经被高通公司近期的现场试验所验证。因此，它们之间的无线信道增益为
[0018][0019]其中表示地面设备m与无人机n之间的空间距离，φ0表示单位空间距离的无线信道增益。地面设备m与无人机n之间无线信道的传输速率为
[0020][0021]其中B表示无线信道带宽，P
m
表示地面设备m的发射功率，σ2为无线信道中高斯白噪声功率。
[0022]定义一个二进制变量以表示地面设备与无人机的接入关系，其中ξ
m,n
∈{0,1}表示地面设备m与无人机n之间的接入关系，当地面设备m决定将计算任务卸载到无人机n上执行时，ξ
m,n
＝1，否则ξ
m,n
＝0。我们假设每个地面设备只将计算任务卸载到一台无人机上执行，即
[0023][0024]此外，由于无人机的并行计算能力有限，因此我们限定在计算任务执行过程中每台无人机接收的任务数量不超过其最大并行数N
max
，即有以下约束
[0025][0026]地面设备的计算任务A
m
可以用一个正元组<I
m
,C
m
,O
m
,D
m
>表示，其中I
m
表示A
m
的输入数据(例如程序代码和输入参数)的大小，以比特(bit)为单位；C
m
表示A
m
的计算复杂度，即计算每一比特输入数据需要的CPU周期数，以cycle/bit为单位；O
m
表示A
m
的计算结果大小，以比特(bit)为单位；D
m
表示A
m
的最大可容忍时延，以秒(s)为单位。计算任务的特性由产生它的设备决定，即每个计算任务的输入数据大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于凸优化的无人机部署和计算卸载联合优化方法，其特征在于，将联合优化问题分解成无人机部署优化、地面设备接入优化和计算任务卸载优化三个子问题；通过交替求解三个子问题来获得联合优化问题的近似最优解，以最小化任务平均响应时间。2.根据权利要求1所述的基于凸优化的无人机部署和计算卸载联合优化方法，其特征在于，通过块坐标下降法将联合优化问题分解成无人机部署优化、地面设备接入优化和计算任务卸载优化三个子问题。3.根据权利要求1所述的基于凸优化的无人机部署和计算卸载联合优化方法，其特征在于，该方法具体实现如下：给定系统参数，期望通过对无人机部署位置u
UAV
、地面设备接入关系ξ和计算任务的卸载比率λ进行优化，最小化平均任务响应时间；无人机部署、地面用户接入和计算任务卸载的联合优化问题可形式化定义如下：约束C1表示每个地面设备的计算任务都要在其最大可容忍时延D
m
前完成；约束C2和C3分别表示计算任务卸载比率和地面设备与无人机之间接入变量的取值范围；约束C4表示每个地面设备只将计算任务卸载到一台无人机上执行；约束C5表示每台无人机接收的任务数量不能超过其最大并行处理数N
max
；和和分别表示多无人机使能的移动边缘计算系统中的所有地面设备和无人机，M为地面设备总数，N为无人机总数；多无人机使能的移动边缘计算系统中所有无人机的部署位置用表示，为无人机n的部署位置，和用于表示无人机n在水平面上的部署位置，H表征无人机的飞行高度；表示地面设备m与无人机n之间的接入关系，当地面设备m决定将计算任务卸载到无人机n上执行时，ξ
m,n
＝1，否则ξ
m,n
＝0；地面设备＝0；地面设备的卸载比率用λ
m
表示；地面设备的计算任务用A
m
表示；计算任务A
m
的执行完成时间用t
m
表示，表示，表示计算任务A
m
输入数据的本地计算时延，表示计算任务A
m
的部分输入数据在无人机上计算的总时延；将联合优化问题P1分解成无人机部署优化、地面设备接入优化和计算任务卸载优化三个子问题，即P2、P3、P4；P2是在给定地面设备接入关系ξ和计算任务卸载比率λ的条件下，求解最优的无人机部署方案u
UAV
；在P2中，P1中优化变量u
UAV
、ξ和λ之间的耦合关系不再存在，并且是已知的；P2可形式化如下：
表示任务输入数据从地面设备m传输到无人机n的传输时延，表示计算任务Am在无人机上的执行时延；fm,n表示无人机n执行任务Am输入数据时的CPU时钟频率；R
m,n
表示地面设备m与无人机n之间无线信道的传输速率；B表示无线信道带宽，Pm表示第m个地面设备的发射功率，σ2为无线信道中高斯白噪声功率；表示地面设备m与无人机n之间的空间距离，φ0表示单位空间距离的无线信道增益；对于P2，由于R
m,n
关于变量u
UAV
是非凸的，因此其目标函数以及约束条件C6具有非凸性，该问题仍然是关于变量u
UAV
的非凸优化问题；为求解P2，首先引入一个非负的辅助变量μ＝{μ
m
|m∈M}，其中表示地面设备m的计算任务完成时间，并将P2改写为：显然P
2.1
的目标函数是关于变量μ的凸函数，且约束条件C8是关于变量μ的凸约束；为了将非凸约束C7转化为凸约束，引入另一个非负的辅助变量z＝{z
m,n
|m∈M,n∈N}，将P
2.1
转化为：在P
2.2
中，原先的非凸约束C7被转化为约束C9，并增加约束C11；约束C9对于变量μ和变量z都是凸约束，而对于约束条件C11，参数R
m,n
关于变量u
UAV
非凸的问题依然没有解决；为进一步将约束条件C11转化为凸约束，基于SCA，通过对传输速度R
m,n
在已给定的无人机部署方案进行一阶泰勒展开来获得R
m,n
的下界值，具体表示为：其中表示通过一阶泰勒展开得到的R
m,n
下界值，表示第m台地...

【专利技术属性】
技术研发人员：陈星，郑鸿强，
申请(专利权)人：福州大学，
类型：发明
国别省市：