移动边缘计算网络任务调度、无人机资源部署方法技术

本申请公开了一种移动边缘计算网络任务调度、无人机资源部署方法，在考虑CPU温度约束的情况下，通过联合优化用户卸载决策、计算决策、无人机部署位置、计算资源分配，以获得最小化最大用户时延。本申请提供方法通过将优化问题进一步分解为三个子问题，并按顺序进行迭代处理，在具体实施例中通过仿真实验，所得结果表明，与其他算法相比，本申请提出的方法具有较好的性能。较好的性能。较好的性能。

【技术实现步骤摘要】
移动边缘计算网络任务调度、无人机资源部署方法


[0001]本申请涉及无人机、边缘计算结合物联网领域，特别是一种移动边缘计算网络任务调度、无人机资源部署方法。

技术介绍

[0002]由于无人机(UAV)具有高移动性和低成本等特性，现有技术中将无人机作为空中MEC(移动边缘计算)服务器，有效地扩大其在资源短缺地区的服务覆盖范围。其次，也可以将无人机作为空中中继，辅助用户实现任务的卸载。无人机网络可以通过灵活调整无人机的部署位置为物联网设备提供各种服务，如计算卸载数据采集以及内容缓存。
[0003]然而，与集成在基站上的MEC服务器相比，受硬件成本、用户体验设计和部署环境的影响，机载MEC服务器的计算能力、尺寸和重量相对较少、更小、更轻。为了给无人机提供更好的计算服务以及保证更大的机动性，需要综合考虑机载MEC服务器的计算能力、尺寸和重量。例如，大疆Manifold 2平台使用英特尔酷睿处理器i7
‑
8550U，CPU主频为1.8GHz。同时，DJI Manifold 2的长度(宽度)和厚度分别只有11厘米和2.6厘米，它的重量小于200克。另一方面，随着芯片中使用的半导体技术发展及其性能的指数级提升，越来越多的嵌入式实时系统有望在这些功率密度计算平台上实现，这进一步给芯片的散热和温度控制带来了新的挑战。
[0004]现有关于无人机支持MEC网络的文献主要关注的是无人机在计算、悬停或飞行时的能量消耗，并未公开如何解决前述情况下CPU温度过高的问题。现有常用DVFS调度缓解或解决机载MEC服务器的硬件限制(即CPU温度)，提高计算资源分配效率。例如CN201811143682.6，基于深度强化学习的计算卸载调度方法；CN202111095551.7一种在随机网络中基于算网协同的分布式计算卸载方法；现有方法根据用户的随机移动和突发计算要求，分别建立停留时间和等待时延的复合场景集合；采用后验追索权行动来补偿博弈策略，建立设备端和MEC服务器双方基于博弈的随机规划模型；过构建场景树，将设备端和MEC服务器双方的多阶段随机规化问题转化为DEP问题，并主要求解获得MEC服务器卸载的最优任务策略和MEC服务器对设备端的最优报价策略。
[0005]上述现有方法在考虑负载均衡的情况下，并未考虑无人机与无人机之间的通信稳定性问题。其次，在最小最大化用户时延中并未考虑CPU温度控制。
[0006]且上述现有方法中对于移动边缘的计算服务器计算能力和能源供应无法有效优化，对于移动边缘的设备供应有限，无法根据物联网用户分布不均的特点优化调整无人机负载，导致无人机负载不均衡，无法解决部分过载CPU温度过高的问题。

技术实现思路

[0007]本申请针对上述技术问题提供了一种移动边缘计算网络任务调度、无人机资源部署方法，能有效提高无人机支持的MEC网络中通信和计算资源的利用效率，同时本申请提供方法考虑了多无人机协同计算系统，在该系统中，无人机悬停在用户上方能为资源短缺地
区提供服务，例如在农村，临时紧急救援等情况下使用无人机辅助通信能很好的弥补固定MEC的不足。然而，无人机作为飞行服务器其计算能力和能源供应有限，运用于计算量大的应用，或由于用户分布不均匀导致无人机负载不均衡的场景下时，CPU温度超过正常运行温度值后，导致CPU运行计算性能下降严重，无法继续正常处理数据。
[0008]本申请提供了一种移动边缘计算网络任务调度、无人机资源部署方法，包括以下步骤：
[0009]步骤S10：应用BCD方法对无人机的最优的部署位置Q＝{q
m
}、最优任务卸载调度策略最优任务调度策略计算资源分配策略进行解耦，得到用户卸载调度策略和计算调度策略P1、无人机部署位置P2、资源分配策略P3，优化目标为使最小化用户处理时间；
[0010]步骤S20：对于用户卸载调度策略和计算调度策略P1：通过给定部署位置{Q}，计算资源分配{F}，采用基因算法得到最优的用户卸载策略和计算策略{A
*
，C
*
}；
[0011]步骤S30：对于无人机部署位置P2：根据初始计算资源分配{F}，最优用户卸载策略{A
*
}、最优任务调度策略{C
*
},利用一阶泰勒展开式将非凸目标函数和约束转化为凸目标和约束，进而将非凸问题转换为凸优化问题，优化无人机部署位置{Q}，直到收敛到可容忍的精度，得到最佳{Q
*
}；
[0012]步骤S40：对于资源分配策略P3：在给定条件{A
*
，C
*
,Q
*
}下，P3为一个凸问题，基于CVX迭代得到最佳计算资源分配策略{F
*
}；
[0013]步骤S50：顺序迭代优化后步骤S20～S40所得的P1、P2、P3，并更新对应变量，得到无人机最优的部署方案与资源分配方案。
[0014]优选地，步骤S20包括以下步骤：
[0015]采用GA方法，满足约束s.t.：
[0016][0017][0018][0019][0020][0021][0022][0023][0024][0025][0026][0027][0028][0029]得到最优解{A
*
，C
*
}，其中，约束B1表示任务需要在其时延约束；约束B2表示无人机作为MEC服务器，其计算资源也是有限的，因此，分配给用户的资源约束；约束B3表示无人机和用户的CPU芯片温度约束，约束B4和约束B5分别表示用户和无人机的能耗资源约束；约束B6表示用户需要在无人机的最大通信距离范围以内，而需满足的用户与无人机的距离约束；约束B7表示卸载决策与计算决策之间约束，约束B8和约束B9表示选择卸载的用户任务可能在卸载的无人机上计算也可能被转发到其它无人机计算；约束B10和约束B12分别表示，卸载决策约束与计算决策约束的取值范围；
[0030]优选地，GA方法包括以下步骤：
[0031]步骤S21：采用二进制编码模式初始化种群中各个体任务的卸载或计算；
[0032]步骤S22：计算初始化种群各个体适应度；
[0033]步骤S23：采用轮盘赌方法选择个体；
[0034]步骤S24：以一定的概率进行交叉和变异，产生新的个体；
[0035]步骤S25：重复步骤S23、S24多次得到的多个新的个体集合形成了一个新的种群，重复步骤S22计算出所得种群中每个个体的适应度值；
[0036]步骤S26：判断步骤S25中所得各种群中各个体是否满足是否满足约束s.t，如果满足则输出最高的适应度及其对应的个体；如果不满足则返回步骤S22～S25。
[0037]优选地，步骤S22中包括以下步骤：
[0038]步骤S221：判断初始种群中每个个体是否满足约束s.t.；
[0039][0040]步骤S222：如果个体n符合约束则根据下式，计算其适应度：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动边缘计算网络任务调度、无人机资源部署方法，其特征在于，包括以下步骤：步骤S10：应用BCD方法对无人机的最优的部署位置Q＝{q
m
}、最优任务卸载调度策略最优任务调度策略计算资源分配策略进行解耦，得到用户卸载调度策略和计算调度策略P1、无人机部署位置P2、资源分配策略P3，优化目标为使最小化用户处理时间；步骤S20：对于用户卸载调度策略和计算调度策略P1：通过给定部署位置{Q}，计算资源分配{F}，采用基因算法得到最优的用户卸载策略和计算策略{A
*
，C
*
}；步骤S30：对于无人机部署位置P2：根据初始计算资源分配{F}，最优用户卸载策略{A
*
}、最优任务调度策略{C
*
},利用一阶泰勒展开式将非凸目标函数和约束转化为凸目标和约束，进而将非凸问题转换为凸优化问题，优化无人机部署位置{Q}，直到收敛到可容忍的精度，得到最佳{Q
*
}；步骤S40：对于资源分配策略P3：在给定条件{A
*
，C
*
,Q
*
}下，P3为一个凸问题，基于CVX迭代得到最佳计算资源分配策略{F
*
}；步骤S50：顺序迭代优化后步骤S20～S40所得的P1、P2、P3，并更新对应变量，得到无人机最优的部署方案与资源分配方案。2.根据权利要求1所述的移动边缘计算网络任务调度、无人机资源部署方法，其特征在于，步骤S20包括以下步骤：采用GA方法，满足约束s.t.：P1：：：：：：：：：：：
得到最优解
{A
*
，C*}，
其中
，约束B1表示任务需要在其时延约束；约束B2表示无人机作为MEC服务器，
其
计算资源也是有限的，因此，分配给用户的资源约束；约束B3表示无人机和用户的CPU芯片温度约束，约束B4和约束B5分别表示用户和无人机的能耗资源约束；约束B6表示用户需要在无人机的最大通信距离范围以内，而需满足的用户与无人机的距离约束；约束B7表示卸载决策与计算决策之间约束，约束B8和约束B9表示选择卸载的用户任务可能在卸载的无人机上计算也可能被转发到其它无人机计算；约束B10和约束B12分别表示，卸载决策约束与计算决策约束的取值范围。3.根据权利要求2所述的移动边缘计算网络任务调度、无人机资源部署方法，其特征在于，GA方法包括以下步骤：步骤S21：采用二进制编码模式初始化种群中各个体任务的卸载或计算；步骤S22：计算初始化种群各个体适应度；步骤S23：采用轮盘赌方法选择个体；步骤S24：以一定的概率进行交叉和变异，产生新的个体；步骤S25：重复步骤S23、S24多次得到的多个新的个体集合形成了一个新的种群，重复步骤S22计算出所得种群中每个个体的适应度值；步骤S26：判断步骤S25中所得各种群中各个体是否满足是否满足约束s.t，如果满足则输出最高的适应度及其对应的个体；如果不满足则返回步骤S22～S25。4.根据权利要求3所述的移动边缘计算网络任务调度、无人机资源部署方法，其特征在于，步骤S22中包括以下步骤：步骤S221：判断初始种群中每个个体是否满足约束s.t.；步骤S222：如果个体n符合约束则根据下式，计算其适应度：fit
n
＝T
‑
max(T
n
)
ꢀꢀꢀꢀ
(0.1)其中，T为一个常量...

【专利技术属性】
技术研发人员：赵明雄，邓彪，陈昱，吴米，包聆言，罗佳，郝宇昱，
申请(专利权)人：云南大学，
类型：发明
国别省市：