【技术实现步骤摘要】
本专利技术涉及移动边缘计算，更具体的是，本专利技术涉及一种多无人机辅助mec的任务卸载与充电调度联合优化方法。
技术介绍
1、5g通信时代的到来，使得用户设备和智能应用数量大幅增长，由此产生了海量的任务数据，对计算资源和低延迟服务的需求空前强烈。在此背景下，移动边缘计算（mec）以其独特的优势，将计算密集型任务卸载到无线网络的边缘，显著降低了服务延迟，提升了服务质量。而无人机由于其灵活的部署方式、广阔的覆盖范围以及可靠的无线通信能力，已被广泛应用于辅助 mec系统执行计算密集型任务，它们在目标区域上空飞行并为地面上的用户设备提供支持。
2、然而，当前多无人机辅助移动边缘计算的研究中，大多数方案并未同时考虑任务卸载策略和无人机到充电站的充电调度问题。无人机受能量限制，飞行、通信和执行任务都会消耗能量，若在执行任务过程中无人机电量耗尽无法工作，将对服务质量产生极大的影响。
3、因此，应在地面部署充电站，为无人机提供稳定、持续的电力补充，同时无人机也应进行有效的能量管理，及时安排充电。
技术实现思路
1、本专利技术的目的是设计开发了一种多无人机辅助mec的任务卸载与充电调度联合优化方法，建立了辅助移动及充电的无人机模型，并结合p-td3算法，以得到协同执行计算密集型任务时无人机的最优任务卸载比例、飞行轨迹、充电调度以及用户设备的最优任务卸载比例，降低能耗，解决了无人机能量不足的问题。
2、本专利技术提供的技术方案为：
3、一种多无人机辅助m
4、步骤一、采集用户设备、基站、充电站的地理位置信息，建立多无人机辅助移动及充电模型；
5、步骤二、确定所述多无人机辅助移动及充电模型完成任务的时间延迟和总能耗；
6、所述时间延迟满足：
7、；
8、式中，为用户设备在时隙完成任务的时间延迟，为用户设备在时隙的本地计算时间延迟，为用户设备与无人机之间在时隙的数据传输时间延迟，为无人机在时隙处理任务的计算时间延迟，为无人机与基站之间在时隙的数据传输时间延迟，为基站在时隙处理任务的计算时间延迟；
9、所述总能耗满足：
10、；
11、式中，为时隙系统的总能耗，为用户设备在时隙的本地计算能耗，为用户设备与无人机之间在时隙的数据传输能耗，为无人机在时隙处理任务的计算能耗，为无人机与基站之间在时隙的数据传输能耗， 为基站在时隙处理任务的计算能耗；
12、步骤三、构建优化目标为：
13、；
14、式中，为无人机飞行的水平角度的集合，，为无人机飞行的水平距离的集合，，为无人机状态的集合，，为无人机卸载比例和用户设备卸载比例的集合，，为时隙，为第一权重因子，为第二权重因子，为时隙完成的任务数；
15、步骤四、将所述优化目标建模为离散时间马尔科夫决策过程，根据p-td3算法获得无人机的最优任务卸载比例、飞行轨迹、充电调度以及用户设备的最优任务卸载比例。
16、优选的是，所述多无人机辅助移动及充电模型由个用户设备、架配备移动边缘计算服务器的无人机、一个安装了mec服务器的基站和一个固定充电站组成。
17、优选的是，所述用户设备在时隙的本地计算时间延迟满足：
18、 ；
19、式中，为用户设备在时隙卸载到无人机上的任务比例，为在用户设备在时隙本地计算的任务比例，表示用户设备在时隙的cpu频率，为用户设备在时隙产生的任务数据的大小，为用户设备在时隙本地计算中所需的cpu周期总数；
20、所述用户设备在时隙的本地计算能耗满足：
21、；
22、式中，κ为用户设备的有效电容系数。
23、优选的是，所述用户设备与无人机之间在时隙的数据传输时间延迟满足：
24、；
25、式中，为时隙用户设备与无人机之间的数据传输速率，且其满足：
26、；
27、式中，为上行带宽，为时隙卸载任务到无人机的用户设备数量，为用户设备的发射功率，为无人机的加性高斯白噪声功率，为时隙用户设备与无人机之间的信道增益，且其满足：
28、；
29、式中，为参考距离为1米时的功率增益，为时隙用户设备与无人机之间的距离。
30、优选的是，所述用户设备与无人机之间在时隙的数据传输能耗满足：
31、；
32、式中，为无人机的接收功率。
33、优选的是，所述无人机在时隙处理任务的计算时间延迟满足：
34、；
35、式中，为无人机在时隙用于计算的cpu频率，表示无人机在时隙卸载到基站上的任务比例，表示在无人机在时隙本地计算的任务比例；
36、所述无人机在时隙处理任务的计算能耗满足：
37、。
38、优选的是，所述无人机与基站之间在时隙的数据传输时间延迟满足：
39、；
40、式中，为时隙无人机与基站之间的传输数据速率，且其满足：
41、；
42、式中，为预先分配给基站的带宽，为无人机的发射功率，为基站的加性高斯白噪声功率，为时隙无人机与基站之间的信道增益，且其满足：
43、；
44、式中，为时隙无人机与基站之间的距离；
45、所述无人机与基站之间在时隙的数据传输能耗满足：
46、。
47、优选的是，所述基站在时隙处理任务的计算时间延迟满足：
48、；
49、式中，为基站的 cpu 频率；
50、所述基站在时隙处理任务的计算能耗满足：
51、。
52、优选的是，将所述优化目标建模为离散时间马尔科夫决策过程具体包括：
53、状态空间为：；
54、动作空间为： ；
55、奖励函数为：；
56、其中，为时隙的状态空间，以基站为原点在地面建立一个平面直角坐标系，基站的南北方向为轴，取向北为正方向，基站的东西方向为轴，取向东为正方向，为无人机在时隙的横坐标，为无人机在时隙的纵坐标，为无人机在t时隙的剩余电量，为时隙的动作空间，为无人机在时隙的水平角度，为无人机在时隙的水平距离，为无人机在时隙的状态，为无人机在时隙的卸载比例，为用户设备在时隙的卸载比例，为时隙的奖励函数，且，，为无人机一个时隙可以水平飞行的最大距离，，当时，表示时隙无人机正在充电，当时，表示时隙无人机正在执行任务，，。
57、优选的是，所述p-td3算法具体包括：
58、步骤1、初始化一个actor网络、第一critic网络和第二critic网络，且actor网络的参数为，第一critic网络的参数为，第二critic网络的参数，再初始化目标actor网络、第一目标critic网络和第二目标critic网络，且目标act本文档来自技高网...
【技术保护点】
1.一种多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述多无人机辅助移动及充电模型由个用户设备、架配备移动边缘计算服务器的无人机、一个安装了MEC服务器的基站和一个固定充电站组成。
3.如权利要求2所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备在时隙的本地计算时间延迟满足：
4.如权利要求3所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备与无人机之间在时隙的数据传输时间延迟满足：
5.如权利要求4所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备与无人机之间在时隙的数据传输能耗满足：
6.如权利要求5所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述无人机在时隙处理任务的计算时间延迟满足：
7.如权利要求6所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其
8.如权利要求7所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述基站在时隙处理任务的计算时间延迟满足：
9.如权利要求8所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，将所述优化目标建模为离散时间马尔科夫决策过程具体包括：
10.如权利要求9所述的多无人机辅助MEC的任务卸载与充电调度联合优化方法，其特征在于，所述P-TD3算法具体包括：
...【技术特征摘要】
1.一种多无人机辅助mec的任务卸载与充电调度联合优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的多无人机辅助mec的任务卸载与充电调度联合优化方法，其特征在于，所述多无人机辅助移动及充电模型由个用户设备、架配备移动边缘计算服务器的无人机、一个安装了mec服务器的基站和一个固定充电站组成。
3.如权利要求2所述的多无人机辅助mec的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备在时隙的本地计算时间延迟满足：
4.如权利要求3所述的多无人机辅助mec的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备与无人机之间在时隙的数据传输时间延迟满足：
5.如权利要求4所述的多无人机辅助mec的任务卸载与充电调度联合优化方法，其特征在于，所述用户设备与无人机之间在时隙...
【专利技术属性】
技术研发人员：梅芳，吉非凡，孙庚，康辉，刘雨晴，
申请(专利权)人：吉林大学，
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。