【技术实现步骤摘要】
一种空地协同无人机边缘计算网络中任务卸载调度方法
[0001]本专利技术属于无线网络
，涉及一种空地协同无人机边缘计算网络中任务卸载调度和计算资源分配方法。
技术介绍
[0002]无人机(Unmanned Aerial Vehicle,UAV)因其成本低廉、操控便捷、机动灵活等特点，近年来在各领域取得了广泛应用。无人机的机动性强、移动灵活，在网络作为节点中可快速部署，在应急场景中可通过动态调整保障通信服务。
[0003]在移动边缘计算(MEC)应用场景中，当遇到基站设备故障或者由于地形因素信号无法传达等情况时，正常的网络通信服务将受影响。若考虑在MEC网络中加入无人机进行辅助(以下称无人机MEC网络)，可提升系统的鲁棒性和灵活部署能力。与传统地面MEC网络相比，无人机辅助的MEC网络有几个突出的优点。首先，它们可以灵活地部署在大多数场景中。在野外、沙漠等复杂地形中，陆地MEC网络可能不方便和可靠地建立，而无人机通过自身的机动灵活性，可以很好地解决部署问题。其次，在MEC网络中加入无人机后，由于无人机和地面节点或其他无人机之间存在视距(LOS)连接，系统能以较少的发射功率获取数据率高、覆盖面积大的可靠通信服务。根据自身的特点，无人机可充当空中基站向地面用户提供服务，或者作为通信的中继节点转发地面基站和用户之间的服务信息。然而，无人机机身狭小，机载的电池容量受限。作为网络通信节点，除了正常航行推进控制外，通信信号传输与发射以及机载运算器执行计算任务等都需要能量消耗，所以需要根据执行的任务特点和需求，对无人机...
【技术保护点】
【技术特征摘要】
1.空地协同无人机边缘计算网络中任务卸载调度方法，包括以下步骤：步骤1：构造空地协同无人机边缘计算网络中任务的问题模型P1。步骤2：给定无人机的CPU计算频率F、任务的上行传输功率P
UL
、下行传输功率P
DL
和无人机的位置Q
UAV
，构造问题模型P2。采用贪婪策略求解问题P2，求得任务最优的任务卸载决策X和任务调度顺序S。步骤3：根据步骤2求得任务卸载决策X和任务调度顺序S和初始的数据，构造问题模型P3,使用连续凸逼近的方法，求解当前策略下最优的无人机位置Q
UAV
。步骤4：根据步骤2和步骤3分别求得最优的任务卸载决策X、任务调度顺序S和无人机位置Q
UAV
，构造问题模型P5，使用凸优化的方法，求解任务上行传输功率P
UL
下行传输功率P
DL
和无人机计算资源分配方案F。步骤5：根据所求的任务卸载决策、任务调度顺序、无人机位置、上行传输功率、下行传输功率和计算资源分配方案计算系统能耗，目标值记为E_new。步骤6：重复步骤2、步骤3、步骤4和步骤5计算前后2次目标值E_new和E_old的差值，如果差值小于阈值，即|E_new
‑
E_old|<ε，则循环迭代结束，否则E_old＝E_new，重复步骤6。步骤1构建无人机边缘计算网络线性依赖任务卸载的问题模型，步骤如下：终端设备i∈K的任务表示为一个二元组Task
i
＝(L
i
,C
i
)，其中任务Task
i
的数据包括两部分，L
i
表示任务的程序数据，单位为bits；C
i
表示处理任务需要的CPU周期数，单位为cycles/bits。使用3D笛卡尔坐标系表示无人机的位置Q
UAV
＝{x
uav
,y
uav
,H}，x
uav
表示无人机的横坐标，y
uav
表示表示无人机的纵坐标，H表示表示无人机的高度且H固定为100m。地面终端设备的位置表示为其中分别表示第i个地面终端设备的横纵坐标。地面边缘服务器的位置表示为其中分别表示第j个地面边缘服务器的横坐标、纵坐标。所有任务的卸载调度顺序队列为S＝{L,S1,S2,
…
,S
k
,
…
,S
j
}，其中L＝{l1,l2,
…
,l
k
,
…
,l
NL
}表示卸载到无人机上计算的NL个任务的计算顺序，其中l
k
表示在无人机上执行的第k个任务；表示卸载到地面边缘服务器j∈G上计算的NS
j
个任务的卸载顺序，其中s
j,k
表示卸载到地面边缘服务器j∈G的第k个任务，其中卸载到无人机上计算任务分配到的CPU频率F＝{f1,f2,
…
,f
k
,
…
,f
NL
}，其中f
k
表示任务Task
k
在无人机上执行时分配到的CPUCPU计算频率；所以任务的上行传输功率在无人机上执行时分配到的CPUCPU计算频率；所以任务的上行传输功率其中表示任务Task
k
传输到无人机的上行传输功率；所以任务的下行传输功率其中表示任务Task
k
通过无人机传输到地面边缘服务器的下行传输功率；S1
‑
1构建通信模型S1
‑1‑
1终端设备i∈K的任务Task
i
卸载到无人机的上行链路自由空间路径损耗模型信道增益如(1)所示
其中α0表示对于传输功率为1W，参考距离1m处的接收功率，表示从终端设备i∈K到无人机的上行链路距离。S1
‑1‑
2任务通过无人机卸载到地面边缘服务器j∈G的下行链路自由空间路径损耗模型信道增益如(2)所示其中表示无人机到地面边缘服务器j∈G的下行链路距离。S1
‑1‑
3终端设备i∈K的任务Task
i
卸载到无人机的上行链路传输数据速率如(3)所示其中B
UL
表示上行链路信道的带宽，表示终端设备i∈K的任务Task
i
卸载到无人机的传输功率，σ2表示噪声谱密度。S1
‑1‑
4终端设备i∈K的任务Task
i
通过无人机卸载到地面边缘服务器j∈G的下行链路传输数据速率如(4)所示其中B
DL
表示下行链路信道的带宽，表示终端设备i∈K的任务Task
i
通过无人机卸载到地面边缘服务器j∈G的传输功率。S1
‑
2时延分析S1
‑2‑
1终端设备i∈K的任务Task
i
传输到无人机的上行传输时间如(5)所示S1
‑2‑
2终端设备i∈K的任务Task
i
在无人机的计算时间如(6)所示其中表示无人机分配给终端设备i∈K的任务Task
k
的CPU频率(单位为cycles/s)。S1
‑2‑
3终端设备i∈K的任务Task
i
通过无人机传输到地面边缘服务器j∈G的下行传输时间如(7)所示S1
‑2‑
4终端设备i∈K的任务Task
i
在地面边缘服务器的计算时间如(8)所示
其中表示地面边缘服务器j∈G的CPU频率(单位为cycles/s)。S1
‑2‑
5终端设备i∈K的任务Task
i
卸载到无人机上计算的完成时间如(9)所示S1
‑2‑
6终端设备i∈K的任务Task
i
通过无人机卸载到地面边缘服务器j∈G上计算的完成时间如(10)所示其中为设备i∈K的任务通过无人机卸载到地面边缘服务器j∈η的传输完成时间，如(11)所示S1
‑2‑
7所以任务最终完成时间如(12)所示S1
‑
3能耗分析S1
‑3‑
1终端设备i∈K的任务Task
i
传输到无人机的上行传输能耗如(11)所示S1
‑3‑
2终端设备i∈K的任务Task
i
在无人机上的计算能耗如(14)所示其中k表示无人机的有效电容系数，取决于CPU的芯片架构。S1
‑3‑
3终端设备i∈K的任务Task
i
通过无人机传输到地面边缘服务器的下行传输能耗如(15)所示S1
‑3‑
4无人机完成所有任务后的计算需要消耗的悬停能耗如(16)所示E
hover
＝P
h
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)其中P
h
表示无人机的悬停功率，单位为瓦特(W)。S1
‑3‑
5完成所有任务地面终端设备和无人机的综合总能耗如(17)所示其中η1表示传输能耗系数，η2表示计算能耗系数。S1
‑
4问题描述
对任务卸载决策、任务调度、资源分配以及无人机最优位置进行联合优化，目标是最小化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：化所有地面终端和无人机的总能耗，问题描述如下：Q
UAV
＝{x
uav
，y
uav
，H}，x
uav
∈[0，1000]，y
uav
∈[0，1000]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(18i)式(18a)是目标函数，其中χ＝{Q
UAV
,P
UL
,P
DL
,F,X,S}表示优化变量。式(18b)表示无人机CPU计算频率大于零且不超过最大CPU计算频率。式(18c)表示任务的上行传输功率大于零且不超过最大传输功率。式(18d)表示任务的下行传输功率大于零且不超过最大传输功率。式(18e)表示无人机和地面边缘服务器的卸载任务和对应的调度顺序。式(18f)表示所有任务的完成时间不超过最大时间限制。式(18h)表示任务必须被卸载且只能被卸载到唯一的一个边缘服务器上执行。式(18h)表示任务只能完全卸载或不卸载。式(18i)表示无人机只能在指定范围内。本发明提出的问题模型P1是非线性混合整数优化问题。通过分析问题模型P1，我们可以发现以下三个特征。第一，无人机位置直接或间接影响着计算资源的分配和总体计算能耗，任务的卸载调度决策、计算资源和通信资源分配与无人机的位置密切相关。第二，在卸载调度决策、计算资源和通信资源分配生成之前，无法确定无人机的最佳位置，因此，它受到卸载调度决策、计算资源和通信资源分配结果的影响。第三，只有无人机位置和任务的卸载调度决策最优，才能准确计算出计算资源和通信资源的分配。为了求解问题模型P1，基于多目标层次优化的思想，将P1转化为三个子问题进行逐次迭代求解，各个子问题是指在确保其它两个子问题最优性的条件下解决本子问题优化问题。本发明将卸载调度决策视为第一个子问题，采用贪心算法进行求解；将无人机的最佳位置问题视为第二个子问题，采用SCA的方法进行求解；将计算资源和通信资源分配问题视为第三个子问题，采用凸优化的方法进行求解；其目的均是使所有地面终端和无人机的能耗和最小。
由于将问题分解为三个子问题，每个子问题只能在其他子问题所优化的变量确定的情况下才能得到当前子问题的解，固不能直接得到全局的解。通过逐次迭代三个子问题，使得全局解收敛，当前后两次迭代的所求解的误差小于指定阈值时，即可认为得到了全局的解。步骤2求解第一个子问题：S2
‑
1第一个...
【专利技术属性】
技术研发人员：邝祝芳，潘毅辉，冯建，李洁，
申请(专利权)人：中南林业科技大学，
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。