一种面向无人机辅助移动边缘计算的资源调度方法技术

本发明专利技术提供了一种面向无人机辅助移动边缘计算的资源调度方法，涉及无人机资源分配技术领域，包括如下步骤：S1、建立动态任务场景下无人机辅助移动边缘计算模型的基本框架；S2、根据资源调度方法对无人机辅助移动边缘计算模型的基本框架中的用户计算任务进行任务分配和资源调度，得到无人机辅助移动边缘计算的调度方案，最终在保证能量能够完成下一组任务的前提下进行无人机的替换。本发明专利技术同时调度多架搭载通信设备无人机来辅助移动边缘计算，通过本系统提高无人机节点对任务的处理效率。过本系统提高无人机节点对任务的处理效率。过本系统提高无人机节点对任务的处理效率。

【技术实现步骤摘要】
一种面向无人机辅助移动边缘计算的资源调度方法


[0001]本专利技术涉及无人机资源分配
，具体而言，尤其涉及一种面向无人机辅助移动边缘计算的资源调度方法。

技术介绍

[0002]无人机(UAV)产生于20世纪20年代，其技术在我国近些年来取得了空前的发展，相较于无人汽车，无人机已经应用在农业、摄影、救灾等许多领域，无人机以其完全或间歇性的自主性和无人的低成本性受到了人们空前青睐。民用领域的应用需求促使各国大力发展无人机技术，积极扩展无人机应用领域。随着无人机技术的迭代更新，其制造成本不断降低，并且机动性强，使移动边缘计算技术迎来新的发展。但无人机有着通信范围、电池能耗等物理限制。面对大规模通信用户和无人机群时，如何合理利用无人机进行计算辅助以及如何进行无人机的资源分配来有效降低时延是一个难题。
[0003]现存无人机辅助移动边缘计算的资源调度中，大多数是对无人机飞行过程中的面临的航迹问题进行考虑，以及无人机与用户通信时的环境因素：信号衰减、拒止环境等，也包括能耗优化、丢包率优化、时延优化等。但无人机作为成本低廉，动作灵活的移动节点，如何使用户的任务处理时延达到最小化，是一个难以解决的问题。目前针对无人机辅助移动边缘计算最小化时延的方法主要有以下几类：一、采用理论推导的数学方式，将当前问题一步一步转化为一个复合函数公式，但面对大规模的组合问题和NP难问题，多项式方法并不能发挥良好作用甚至不能解决问题。二、以启发式算法为调度方法。启发式算法在小规模的无人机调度中具有比较好的性质，但是当无人机的数目变大时，算法的效果就会下降。三、以智能演化算法为调度方法，智能演化算法适合大规模的组合问题和NP难问题，在大规模无人机调度具有独特的优势，但是，智能演化算法容易陷入局部最优，因此往往输出策略效果一般。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提出一种面向无人机辅助移动边缘计算的资源调度方法，使用UAV作为移动节点的移动边缘计算系统、Q学习算法与改进的CCGA方法结合来解决无人机辅助移动边缘计算的最优分配问题。
[0005]本专利技术采用的技术手段如下：
[0006]一种面向无人机辅助移动边缘计算的资源调度方法，包括如下步骤：
[0007]S1、建立动态任务场景下无人机辅助移动边缘计算模型的基本框架；
[0008]S2、根据资源调度方法对无人机辅助移动边缘计算模型的基本框架中的用户计算任务进行任务分配和资源调度，得到无人机辅助移动边缘计算的调度方案，最终在保证能量能够完成下一组任务的前提下进行无人机的替换。
[0009]进一步地，S1所述的模型基本框架包括预估模块、部署模块和调度模块；
[0010]所述预估模块用以获取计算任务信息，并预估无人机的派遣数量；
[0011]所述部署模块用以获取用户地理信息，进行无人机区域部署；
[0012]所述调度模块用以指派无人机执行相应的任务。
[0013]进一步地，所述预估模块的工作步骤包括：
[0014]S111、循环流程；生成一个较大数量的无人机数量N，在此过程中不断减少无人机的数量，直到其中一个任务在延迟要求下无法完成；
[0015]在S111中，在无法完成的情况下接入协同演化遗传算法中，利用协同演化遗传算法优化延迟，优化后的无人机数量达标则继续减少无人机的数量，反之则增加一项无人机的数量。
[0016]进一步地，所述部署模块的工作步骤包括：
[0017]S121、任务信息搜集；用来获取用户的计算任务请求信息；
[0018]S122、地理信息搜集；用来获取用户的地理位置信息并进行无人机部署；
[0019]S123、区域覆盖；所述区域覆盖要求为：无人机群覆盖所有用户，单架无人机至少覆盖一个用户，每个用户均能通信；
[0020]S124、部署优化；采用块坐标下降法，以无人机覆盖用户总数量为优化目标，使目标总数增大。
[0021]进一步地，所述调度模块的工作步骤包括：
[0022]S131、根据S123收集到的无人机部署后的地理位置信息以及根据S122收集到的用户地理位置信息和S121的计算任务请求，利用一种资源调度方法分析无人机资源调度方案；
[0023]S132、无人机按照资源调度方案进行计算任务的卸载、计算、数据回传；
[0024]S133、计算任务卸载作为服务器资源调度，表现为用户选择其卸载的无人机；
[0025]S134、带宽资源调度体现在无人机为卸载到其上的任务进行带宽分配；
[0026]S135、循环流程；无人机群在执行当前计算任务后进行能量判断，符合能量要求则继续执行任务，否则结束任务并委派下一组无人机。
[0027]进一步地，S2中所述资源调度方法包括：
[0028]S21、以协同演化遗传算法作为Q学习算法的辅助算法，形成结合算法，共同寻找无人机群的资源调度方案以及任务的优先级排序方案；
[0029]S22、结合算法以演化算法开始，进行种群预处理，快速寻优并把子代遗传到Q学习算法中，Q学习算法以该策略作为初始策略，利用染色体作为智能体，与环境进行交互，两种算法交替配合寻找资源调度策略。
[0030]进一步地，S21所述的结合算法如下：
[0031]染色体作为智能体在环境中学习，通过动作的选择更变Q值进而达到学习的目的，每一个任务或状态有N个动作可以选择；奖励的评判为前后两个时刻的状态的适应度的变化并更新Q学习中的Q表；
[0032]加入协同演化遗传算法的策略，并赋予其更大Q值权重ω，使下一次的学习效率提高；
[0033]协同演化遗传算法的输出策略改变Q学习的初始条件，即策略的优先级改变，使Q学习算法染色体不断更新，增加算法探索性。
[0034]进一步地，所述染色体的核心原理如下：
[0035]无人机资源调度涉及用户任务分配方案及其任务排序，利用实数编码解决编码问题；
[0036]染色体由许多基因表示，每一个基因代表一个任务的编码，整数部分代表任务选择卸载的无人机，小数部分代表任务的优先级；
[0037]整条染色体在协同演化遗传算法中进行迭代，在算法接口处，对当前染色体进行处理，使其摆脱耦合度影响，作为智能体与环境进行交互；
[0038]无耦合度的染色体在与环境交互过程中学习到的知识体现在任务对无人机的选择上，最终输出学习到的策略。
[0039]进一步地，所述接口的处理原理如下：
[0040]接口将协同演化遗传算法与强化学习算法连通，通过编码排序接口来改变染色体；具体包括根据任务优先级进行任务排序，生成新的染色体；
[0041]根据新染色体的编码方式，避免未来的动作会改变过去的选择的问题；具体包括按照任务优先级对任务进行排序；排序后的任务按照逐层的方式进行时间填充。
[0042]较现有技术相比，本专利技术具有以下优点：
[0043]1、本专利技术提供的资源调度方法，通过演化算法与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向无人机辅助移动边缘计算的资源调度方法，其特征在于，包括如下步骤：S1、建立动态任务场景下无人机辅助移动边缘计算模型的基本框架；S2、根据资源调度方法对无人机辅助移动边缘计算模型的基本框架中的用户计算任务进行任务分配和资源调度，得到无人机辅助移动边缘计算的调度方案，最终在保证能量能够完成下一组任务的前提下进行无人机的替换。2.根据权利要求1所述的面向无人机辅助移动边缘计算的资源调度方法，其特征在于，S1所述的模型基本框架包括预估模块、部署模块和调度模块；所述预估模块用以获取计算任务信息，并预估无人机的派遣数量；所述部署模块用以获取用户地理信息，进行无人机区域部署；所述调度模块用以指派无人机执行相应的任务。3.根据权利要求2述的面向无人机辅助移动边缘计算的资源调度方法，其特征在于，所述预估模块的工作步骤包括：S111、循环流程；生成一个较大数量的无人机数量N，在此过程中不断减少无人机的数量，直到其中一个任务在延迟要求下无法完成；在S111中，在无法完成的情况下接入协同演化遗传算法中，利用协同演化遗传算法优化延迟，优化后的无人机数量达标则继续减少无人机的数量，反之则增加一项无人机的数量。4.根据权利要求2所述的面向无人机辅助移动边缘计算的资源调度方法，其特征在于，所述部署模块的工作步骤包括：S121、任务信息搜集；用来获取用户的计算任务请求信息；S122、地理信息搜集；用来获取用户的地理位置信息并进行无人机部署；S123、区域覆盖；所述区域覆盖要求为：无人机群覆盖所有用户，单架无人机至少覆盖一个用户，每个用户均能通信；S124、部署优化；采用块坐标下降法，以无人机覆盖用户总数量为优化目标，使目标总数增大。5.根据权利要求2所述的面向无人机辅助移动边缘计算的资源调度方法，其特征在于，所述调度模块的工作步骤包括：S131、根据S123收集到的无人机部署后的地理位置信息以及根据S122收集到的用户地理位置信息和S121的计算任务请求，利用一种资源调度方法分析无人机资源调度方案；S132、无人机按照资源调度方案进行计算任务的卸载、计算、数据回传；S133、计算任务卸载作为服务器资源调度，表现为用户选择其卸载的无人机；S134、带宽资源调度体现在无人机为卸载到其上的任务进行带宽分...

【专利技术属性】
技术研发人员：孙璐，刘子谦，万良田，王小洁，宁兆龙，郑纪彬，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：