无人机辅助边缘计算网络的多维资源管控方法技术

本发明专利技术公开了一种无人机辅助边缘计算网络的多维资源管控方法，主要解决现有配备有边缘计算服务器的无人机无法为大量用户提供稳定服务的问题，其实现方案为：1)初始化网络参数；2)根据网络特性设置约束条件；3)根据初始化网络参数和约束条件建立最小化能耗问题P；3)利用块坐标下降法确定问题P中的关联矩阵C、卸载矩阵U、计算资源矩阵及无人机位置矩阵Z；4)根据得到的C、U、F、Z值进行多维资源管控。本发明专利技术能在满足计算任务的可容忍时延和无人机计算资源上限的约束条件下，根据用户的位置及计算任务信息优化卸载决策和部署方案，降低系统能耗，解决用户服务受阻的问题，可用于无人机能耗受限条件下无人机辅助边缘计算网络的应急通信和计算服务。应急通信和计算服务。应急通信和计算服务。

【技术实现步骤摘要】
无人机辅助边缘计算网络的多维资源管控方法


[0001]本专利技术属于通信
，特别涉及一种多维资源管控方法，可用于无人机能耗受限条件下无人机辅助边缘计算网络的应急通信和计算服务。

技术介绍

[0002]随着第五代移动通信的发展，在线游戏、实时直播等新兴应用不断涌现，用户对计算资源以及网络基础设施的需求大幅提高。移动边缘计算可以有效缓解网络拥塞，提高用户体验和网络整体性能。无人机因其出色的机动性、灵活的部署、高质量的视距信道等优点而备受关注。利用无人机的灵活移动特性，配备有移动边缘计算服务器的无人机有望提供一个更可靠，时延更低和覆盖范围更广的网络。常规的边缘计算系统通常在地面的固定基础建设上部署边缘服务器，但为了更好地支持无人机辅助的边缘计算网络，必须更加灵活的部署无人机。因此，传统的边缘服务器部署方法并不能满足无人机辅助的边缘计算网络的需求，必须进行改进。并且无人机携带的电量有限，无法支撑长期的悬停和通信计算服务，所以相比较传统边缘计算系统，无人机辅助的边缘计算系统需要从用户与无人机的关联、计算卸载决策、无人机资源分配以及无人机部署位置这四个维度进行优化，降低能耗。
[0003]为了保障目标区域内用户的服务质量，避免出现通信中断的问题，需要基于用户的位置和计算任务合理部署无人机位置确定计算卸载方案。Zhaohui Yang在2019年于IEEE Transactions on Wireless Communications中发表了Energy Efficient Resource Allocation in UAV
‑
Enabled Mobile Edge Computing Networks[J]，其考虑多无人机辅助移动边缘计算网络，通过联合优化用户关联、功率控制、计算资源分配和位置规划，从而最大限度地降低总功耗。该文章为了求解非凸问题，提出了一种复杂度低的算法，通过迭代依次优化变量。但由于该方案仅考虑通过多个无人机来辅助边缘计算网络为用户提供计算服务，而实际上无人机携带的边缘计算服务器计算能力有限，因而随着用户数增加这种固定个数的无人机来辅助边缘计算网络无法保证所有用户的计算任务都能在时延约束内完成。

技术实现思路

[0004]本专利技术的目的在于针对上述现有技术的不足，提出一种无人机辅助边缘计算网络的多维资源管控方法，以通过无人机与邻居基站的联合为服务受损地区用户提供通信和计算服务，并在满足计算任务的可容忍时延和无人机计算资源上限的约束条件下，根据用户的位置及计算任务信息优化卸载决策和部署方案，实现系统能耗的最小化，满足大量用户的服务需求。
[0005]为实现上述目的，本专利技术的技术方案包括如下：
[0006](1)初始化参数：
[0007](1a)设在半径为L的圆形故障区域Y内随机分布了N个地面用户，其集合为O＝{1,
…
,n,
…
,N}，用户n的位置为(x
n
,y
n
,0)，用户n需要完成的计算任务为A
n
＝(F
n
,D
n
,T)，其
中F
n
表示计算所需的CPU转数，D
n
表示计算数据量，T为时延约束；
[0008](1b)设无人机集合为G＝{1,
…
,m,
…
,M}，M为无人机总数，第m个无人机的坐标为(x
m
,y
m
,H
m
)，俯角固定为θ，最大覆盖半径R为H
m
tanθ，接入用户数的最大值为U
m
，其计算资源上限为f
m,max
；设邻居基站的坐标为(x0,y0,H0)；
[0009](2)根据上述初始化参数建立最小化能耗问题P：
[0010]P:
[0011][0012][0013]C3:u
mn
≤c
mn
,n∈O,m∈G，
[0014][0015]C5:c
mn
d
mn
≤R,n∈O,m∈G，
[0016]C6:t
n
≤T,n∈O，
[0017]C7:(x
m
,y
m
)∈Y，
[0018]其中，C为无人机与用户的关联矩阵，c
mn
为C中的第m行第n列元素；
[0019]U为卸载矩阵，u
mn
为U中的第m行第n列元素；
[0020]F为无人机计算资源分配矩阵，f
mn
为F中的第m行第n列元素，
[0021]Z为无人机的位置矩阵；
[0022]为用户n将计算任务发送给无人机m的通信能耗；为无人机m完成用户n任务的计算能耗，为无人机m将用户n的计算任务中转给邻居基站的通信能耗；
[0023]α表示与用户能耗相比无人机能耗的权重系数，t
n
为用户n计算任务完成的总时间，d
mn
是无人机m与用户n之间的水平距离；
[0024](3)确定问题P的四个变量C、U、F、Z：
[0025](3a)借助kmeans++算法求解无人机与用户的初始关联矩阵C0和无人机的初始位置Z0；
[0026](3b)根据C0和Z0确定初始卸载策略矩阵U0，根据U0确定最初的资源分配方案F0；
[0027](3c)设初始化迭代次数k＝1，最大迭代次数为k
max
，利用块坐标下降法依次迭代求解出四个变量C、U、F、Z的值；
[0028](4)根据C、U、F、Z的值实施多维资源管控方案：
[0029](4a)无人机按照部署矩阵Z确定自己的位置；
[0030](4b)根据关联矩阵C确定用户与无人机的关联性：
[0031]若关联矩阵C中的元素c
mn
＝1时，则将用户n与无人机m关联，并将用户n的计算任务传输至无人机m处；
[0032]否则，用户n与无人机m不进行关联；
[0033](4c)根据卸载决策矩阵U中的元素值u
mn
，确定用户计算任务的执行对象：
[0034]若u
mn
＝1时，则由无人机m按照资源分配矩阵F中的元素f
mn
给用户分配计算资源，完成用户n的计算任务；
[0035]否则，由关联无人机将用户n的计算任务中转给邻居基站，由邻居基站完成计算任务。
[0036]本专利技术与现有技术相比，具有如下优点：
[0037]第一，本专利技术由于将计算能力更强的邻居基站与无人机联合为服务受损地区的用户提供通信和计算服务，提高了网络的稳定性，满足大量用户的服务需求。
[0038]第二，本专利技术采用基于块坐标下降法的联合优化方法，将原本无法在多项式时间内求解的混合整数非线性规划问题转化成三个子问题，迭代本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人机辅助边缘计算网络的多维资源管控方法，其特征在于，包括如下：(1)初始化参数：(1a)设在半径为L的圆形故障区域Y内随机分布了N个地面用户，其集合为O＝{1,
…
,n,
…
,N}，用户n的位置为(x
n
,y
n
,0)，用户n需要完成的计算任务为A
n
＝(F
n
,D
n
,T)，其中F
n
表示计算所需的CPU转数，D
n
表示计算数据量，T为时延约束；(1b)设无人机集合为G＝{1,
…
,m,
…
,M}，M为无人机总数，第m个无人机的坐标为(x
m
,y
m
,H
m
)，俯角固定为θ，最大覆盖半径R为H
m
tanθ，接入用户数的最大值为U
m
，其计算资源上限为f
m,max
；设邻居基站的坐标为(x0,y0,H0)；(2)根据上述初始化参数建立最小化能耗问题P：P:P:P:C3:u
mn
≤c
mn
,n∈O,m∈G，C5:c
mn
d
mn
≤R,n∈O,m∈G，C6:t
n
≤T,n∈O，C7:(x
m
,y
m
)∈Y，其中，C为无人机与用户的关联矩阵，c
mn
为C中的第m行第n列元素；U为卸载矩阵，u
mn
为U中的第m行第n列元素；F为无人机计算资源分配矩阵，f
mn
为F中的第m行第n列元素，Z为无人机的位置矩阵；为用户n将计算任务发送给无人机m的通信能耗；为无人机m完成用户n任务的计算能耗，为无人机m将用户n的计算任务中转给邻居基站的通信能耗；α表示与用户能耗相比无人机能耗的权重系数，t
n
为用户n计算任务完成的总时间，d
mn
是无人机m与用户n之间的水平距离；(3)确定问题P的四个变量C、U、F、Z：(3a)借助kmeans++算法求解无人机与用户的初始关联矩阵C0和无人机的初始位置Z0；(3b)根据C0和Z0确定初始卸载策略矩阵U0，根据U0确定最初的资源分配方案F0；(3c)设初始化迭代次数k＝1，最大迭代次数为k
max
，利用块坐标下降法依次迭代求解出四个变量C、U、F、Z的值；(4)根据C、U、F、Z的值实施多维资源管控方案：(4a)无人机按照部署矩阵Z确定自己的位置；(4b)根据关联矩阵C确定用户与无人机的关联性：若关联矩阵C中的元素c
mn
＝1时，则将用户n与无人机m关联，并将用户n的计算任务传输
至无人机m处；否则，用户n与无人机m不进行关联；(4c)根据卸载决策矩阵U中的元素值u
mn
，确定用户计算任务的执行对象：若u
mn
＝1时，则由无人机m按照资源分配矩阵F中的元素f
mn
给用户分配计算资源，完成用户n的计算任务；否则，由关联无人机将用户n的计算任务中转给邻居基站，由邻居基站完成计算任务。2.根据权利要求1所述的方法，其特征在于，步骤(2)中根据初始化参数建立最小化能耗问题P，实现如下：(2a)根据用户n与无人机m的位置坐标，得到两者之间的水平距离d
mn
和无人机m与邻居基站之间的水平距离d
mB
：(2b)建立基于自由空间路径损耗的信道模型，得到用户n到无人机m的信道功率增益h
mn
以及无人机m到邻居基站之间的信道功率增益h
mB
：其中β
G2A
和β
A2A
分别表示参考距离为一米时的空地和空空信道增益；(2c)根据(2b)中的信道功率增益，利用香农定理得到用户n到无人机m的传输速率r
mn
以及无人机m到邻居基站之间的传输速率r
mB
：其中B1表示用户与无人机之间的传输带宽，B2表示无人机与邻居基站之间的传输带宽，P
n
为用户n设备的发射功率，为无人机m的发射功率，N0为噪声功率谱密度；(2d)计算用户n将计算任务发送给无人机m的通信传输时间及通信能耗及通信能耗(2e)计算无人机m将用户n的计算任务中转给邻居基站的通信传输时间及通信能耗及通信能耗(2c)计算无人机m计算用户n的任务所需要处理的时间及计算能耗及计算能耗其中，f
mn
表示无人机m分给用户n的CPU频率，ε表示无人机机载服务器芯片的有效电容系数；(2e)设置如下相关矩阵和变量：设C＝[c
mn
]
M
×
N
为无人机与用户的关联矩阵，c
mn
＝1表示用户n与无人机m关联，否则为0；设U＝[u
mn
]
M
×
N
为用户的计算卸载决策矩阵，当c
mn
＝1且u
mn
＝1表示无人机m为用户n提供服务，c
mn
＝1且u
mn
＝0表示关联无人机m将用户n的计算任务中转给邻居基站，由邻居基站完
成计算任务；设F＝[f
mn
]
M
×
N
为计算资源分配矩阵；设Z＝[(x
m
,y
m
)]
M
×1为无人机的位置矩阵；设用户的计算任务完成总时间为：(2f)结合上述参数将能耗最小化问题表示为P：P:P:P:C3:u
mn
≤c
mn
,n∈O,m∈G，C5:c
mn
d
mn
≤R,n∈O,m∈G，C6:t
n
≤T,n∈O，C7:(x
m
,y
m
)∈Y，其中，α表示与用户能耗相比无人机能耗的权重系数。3.根据权利要求1所述的方法，其特征在于，步骤(3a)中利用kmeans++算法求解无人机与用户的初始关联矩阵C0和无人机的初始位置矩阵Z0，实现如下：(3a1)设初始迭代次数b＝1，最大迭代次数为b
max
；(3a2)根据用户位置和无人机个数M，使用kmeans++算法将N个用户分为M类，每个类的簇心即为无人机的部署位置，并将用户与所属类的簇心无人机关联；(3a3)判断步骤(3a2)中得出的关联结果和无人机位置是否满足问题P的约束条件：如果满足，则得到C0和Z0；如果不满足，则更新b＝b+1，执行(3a4)；(3a4)判断b＜b
...

【专利技术属性】
技术研发人员：赵林靖，王文秀，张岗山，马建鹏，刘勤，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：