基于多无人机边缘计算网络的无人机位置优化和任务调度方法技术

本发明专利技术公开了一种基于多无人机边缘计算网络的无人机位置优化和任务调度方法，包括：1、计算所述多无人机边缘计算网络中所有传输任务在上传、迁移和处理过程中的时延和能耗；2、以降低整个网络时延和能耗为目标，构建无人机的位置更新公式和迁移动作更新公式；3、各无人机依次循环搜寻和更新各自最优位置；5、各无人机依次循环搜寻和更新各自最优任务迁移动作；6、所有无人机位置和传输任务迁移动作更新前后对比，不同则继续更新，同则为最优结果。本发明专利技术能对多无人机位置和任务调度问题进行优化，从而能降低整个边缘云网络的任务完成时延和能耗，提高了网络的服务质量，增加了无人机服务时长。服务时长。服务时长。

【技术实现步骤摘要】
基于多无人机边缘计算网络的无人机位置优化和任务调度方法


[0001]本专利技术属于无线通信领域，具体的说是一种基于多无人机边缘计算网络的无人机位置优化和任务调度方法。

技术介绍

[0002]智能手机或平板电脑等移动终端的普及对移动和无线网络产生了极大的影响，引发了全球移动网络的挑战。移动边缘计算是下一代无线通信系统中应对这一挑战最有前途的技术之一。移动边缘计算技术通过部署边缘云来弥补远端云空间距离过大的劣势从而来提高整个云计算系统的服务能力。但在一些基础设施并不完善、突发状况和特殊需求的地区，没有大规模固定部署边缘云的条件和能力，并且边缘云有限的存储与计算资源又限制了边缘云的服务能力。对于特殊的情境，空间上部署自由的无人机充当边缘云节点可以有效的满足这些情境中用户的需求，但有限的边缘云节点资源与移动设备的大量任务之间也存在矛盾，现有的方法多是用户卸载任务至远端云或其它边缘云，卸载至远端云并不能显著的提升系统的服务质量和卸载至其它边缘云用户有限的通信能力却不能保证总有多个边缘云可以联系。同时，用户和无人机传输到同一无人机的任务传输速率彼此影响，而干扰的强弱又与干扰源和无人机之间的距离有关。鉴于此，本专利技术提出一种基于多无人机位置变换和任务迁移的移动边缘计算技术。无人机位置变换和任务迁移方法的具体内容为：针对一个多用户多无人机边缘云计算系统，以用户任务上传、无人机迁移与无人机处理任务的时延、能量加权和最小化为目标进行边缘云位置变换、任务转移和计算资源分配决策。我们把无人机的位置变换和任务迁移建立为Stackelberg博弈，接着将单个无人机的资源分配使用CVX凸优化工具求解，最终获得时延和能量最小的无人机位置、任务转移和资源分配方案。
[0003]ZhaoJ,LiQ,GongY,etal.ComputationOffloadingandResourceAllocationForCloud AssistedMobileEdgeComputinginVehicularNetworks[J].IEEETransactionsonVehicular Technology,2019,68(8):7944
‑
7956.考虑了移动边缘云与远端云的协同，提出了一种协同计算卸载与资源分配优化方案，将优化问题解耦为计算卸载决策和资源分配两个子问题，利用拉格朗日乘子法进行资源分配，并采用博弈论方法进行卸载决策，以求最小化任务处理延迟，但边缘云与繁忙时仍要依赖远端云，不可避免地降低了用户的服务体验，并且也没有考虑对能耗的优化，可能会使边缘云陷入长期高负荷运载状态并大量消耗不必要的电能。
[0004]AlfakihT,HassanMM,GumaeiA,etal.TaskOffloadingandResourceAllocationfor MobileEdgeComputingbyDeepReinforcementLearningBasedonSARSA[J].IEEEAccess,2020,8:54074
‑
54084.考虑当移动智能设备最近的边缘云不能服务其任务时使用相邻连接的边缘云来服务可卸载任务，提出了一种基于卸载决策的状态
‑
动作
‑
奖励
‑
状态
‑
动作方法，利用强化学习来解决在多边缘网络中边缘服务器的资源管理和移动智能设备卸载决
策，以降低系统在能量消耗和计算时延方面的成本，但用户通信的距离有限，并不能保证用户有多个边缘云可以通信，用户的任务卸载并不能稳定保证，要保证用户能通信多个边缘云，就需密集部署边缘云服务器，可能会导致计算资源过剩，而且强化学习算法需要大量时间和经验来学习。
[0005]YanKT,DangTN,KimK,etal.CollaborationintheSky:ADistributedFrameworkfor TaskOffloadingandResourceAllocationinMulti
‑
AccessEdgeComputing[J].2021.考虑了无人机的能源消耗和其通信资源(即带宽)的稀缺性，在满足无人机能量的约束下以移动用户在该系统中所经历的总延迟为目标，把问题分解为用户任务卸载决策、通信资源分配和无人机辅助的移动边缘云决策三个子问题，然后采用拉格朗日松弛法和乘子交替方向法交替求解分解问题，但当请求服务的用户偏多时，单个无人机的资源有限性难以满足多用户的服务需求。

技术实现思路

[0006]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于多无人机边缘计算网络的无人机位置优化和任务调度方法，以期能够通过利用无人机的相互合作，有效地提高无人机边缘服务器的计算资源利用率，以减少整个网络的任务完成时延和能耗，从而能提高无人机的运行寿命，并为用户提供到更好的服务质量。
[0007]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0008]本专利技术一种基于多无人机边缘计算网络的无人机位置优化和任务调度方法，所述多无人机边缘计算网络是由N个无人机及其对应的服务器、M个用户组成；
[0009]在所述多无人机边缘计算网络中，第n个无人机接收到一片通信区域内M
n
个用户的任务卸载请求，且M
n
个用户只能与第n个无人机通信；
[0010]令N个无人机在同一高度H飞行，将N个无人机所飞行的二维平面均分为S个离散点所构成的点集
[0011]令第n无人机的位置记为L
n
＝(x
n
,y
n
,H)，x
n
,y
n
表示第n个无人机位置的二维坐标，令第n无人机的计算资源记为F
n
；
[0012]在第n个无人机的通信区域内第m
n
个用户向第n个无人机上传自身用户信息，包括：第m
n
个用户的传输任务第m
n
个用户的位置和上传功率其中，和分别表示第m
n
个用户上传任务的数据量和计算所需CPU数，表示第m
n
个用户位置的三维坐标；1
n
≤m
n
≤M
n
；
[0013]所述第n个无人机对第m
n
个用户所上传的传输任务的迁移动作记为第n个无人机的所有M
n
个用户任务的迁移动作集合记为其特点在于，所述无人机位置优化和任务调度方法是按如下步骤进行：
[0014]步骤1、计算所述多无人机边缘计算网络中所有传输任务在上传、迁移和处理过程中的时延和能耗；
[0015]步骤2、根据所述时延和能耗，以降低整个网络时延和能耗为目标，构建无人机的位置更新公式和迁移动作更新公式；
[0016]步骤3、随机确立各无人机的初始位置和传输任务的迁移动作并分别作为第v次迭代下的各无人机位置和第v次迭代下的迁移动作；并初始化v＝1；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多无人机边缘计算网络的无人机位置优化和任务调度方法，所述多无人机边缘计算网络是由N个无人机及其对应的服务器、M个用户组成；在所述多无人机边缘计算网络中，第n个无人机接收到一片通信区域内M
n
个用户的任务卸载请求，且M
n
个用户只能与第n个无人机通信；1≤n≤N，1≤M
n
≤M；令N个无人机在同一高度H飞行，将N个无人机所飞行的二维平面均分为S个离散点所构成的点集令第n无人机的位置记为L
n
＝(x
n
,y
n
,H)，x
n
,y
n
表示第n个无人机位置的二维坐标，令第n无人机的计算资源记为F
n
；在第n个无人机的通信区域内第m
n
个用户向第n个无人机上传自身用户信息，包括：第m
n
个用户的传输任务第m
n
个用户的位置和上传功率其中，和分别表示第m
n
个用户上传任务的数据量和计算所需CPU数，表示第m
n
个用户位置的三维坐标；1
n
≤m
n
≤M
n
；所述第n个无人机对第m
n
个用户所上传的传输任务的迁移动作记为第n个无人机的所有M
n
个用户任务的迁移动作集合记为其特征在于，所述无人机位置优化和任务调度方法是按如下步骤进行：步骤1、计算所述多无人机边缘计算网络中所有传输任务在上传、迁移和处理过程中的时延和能耗；步骤2、根据所述时延和能耗，以降低整个网络时延和能耗为目标，构建无人机的位置更新公式和迁移动作更新公式；步骤3、随机确立各无人机的初始位置和传输任务的迁移动作并分别作为第v次迭代下的各无人机位置和第v次迭代下的迁移动作；并初始化v＝1；步骤4、在第v次迭代下，以各无人机的通信区域内所有用户的传输任务上传、迁移的时延和能耗最低为目标，通过按次序循环变换无人机位置的方式，直到所有无人机位置不再变化为止，从而得到第v次迭代下的各无人机最优位置；步骤5、在第v次迭代下，各无人机的通信区域内所有用户的传输任务迁移、处理的时延和能耗最低为目标，通过按次序循环改变传输任务迁移动作的方式，直到所有无人机的传输任务的迁移动作不再改变为止，从而得到在第v次迭代下各无人机的最优迁移动作；步骤6、若第v次迭代下的各无人机最优位置与第v
‑
1次迭代下的各无人机最优位置相同，且第v次迭代下各无人机的最优迁移动作与第v
‑
1次迭代下各无人机的最优迁移动作相同，则迭代结束，并输出第v次迭代下的各无人机最优位置和最优迁移动作作为最优调度方案；否则，将v+1赋值给v后，返回步骤4顺序执行。2.根据权利要求1所述的无人机位置优化和任务迁移方法，其特征是，所述步骤1包括：步骤1.1、利用式(1)和式(2)分别计算第m
n
个用户与第n个无人机间的通信链路第n个无人机与第n
′
个无人机间的通信链路h
n,n
′
：
式(1)和式(2)中，β表示参考距离处的信道功率增益；n
′
≠n；1≤n
′
≤N；步骤1.2、利用式(3)和式(4)分别计算第m
n
个用户向第n个无人机上传传输任务的速率第n个无人机向第n
′
个无人机传输任务的迁移速率r
n,n
′
：：式(3)和式(4)中，B表示信道带宽，σ2表示噪声功率；步骤1.3、利用式(5)和式(6)分别计算第m
n
个用户向第n个无人机上传传输任务的时延第n个无人机向第n
′
个无人机传输迁移任务的时延个无人机传输迁移任务的时延个无人机传输迁移任务的时延步骤1.4、利用式(7)和式(8)分别计算第m
n
个用户向第n个无人机上传传输任务的能耗第n个无人机向第n
′
个无人机传输任务的迁移能耗个无人机传输任务的迁移能耗个无人机传输任务的迁移能耗式(8)中，p
n
表示第n个无人机的任务转移功率；步骤1.5、利用式(9)构建第n
′
个无人机的计算资源分配模型的目标函数V
n
′
(f
n
′
)，并利用式(10)和...

【专利技术属性】
技术研发人员：江琦，刘苏童，马卓，邵家龙，沈佳乐，周志伟，李俊才，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：