【技术实现步骤摘要】
本专利技术涉及任务卸载，特别是涉及多无人机辅助移动边缘计算的任务卸载优化方法及系统。
技术介绍
1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、随着人工智能、大数据、云计算的快速发展，云传感器、智能手机、人脸识别、互动游戏、虚拟现实等各类智能应用呈现爆炸式增长。在这种背景下，由于物联网设备的计算能力和电池容量有限，无法满足这些计算密集型和高功耗的严格要求，因此，移动边缘计算(mec)应运而生，为各种智能设备提供实时计算服务。具体而言，通过在基站(bs)中配备高性能的中央处理器(cpu)，可以将物联网设备的计算任务部分或全部卸载给mec服务器处理，从而在满足计算需求的同时节省能源。然而，这些工作都是基于mec服务器部署在水平地面上的固定位置。当移动设备超出其覆盖范围或者由于各种极端天气造成设施被破坏时，mec服务器就不起作用了。
3、因此，传统的mec技术满足不了移动设备所需的qos。但是，随着无人机技术的快速发展，无人机被广泛应用于军事、医疗、救灾和无线通信等特殊场景中，并且由于无人机具有高度灵活性的特点，无人机携带小型mec作为空中移动基站辅助地面mec系统引起了非常大的关注。当洪水、地震等自然灾害发生导致很多地方的基站等设施无法正常使用时，可以派遣多个携带mec的uav出入险情情况严重地方，及时恢复灾区的信号，减少灾区的损失和人员伤亡。
4、在上述的紧急情况下，对uav辅助mec系统的计算比特数和能耗具有相当严格的要求。因此，如何提高系统的计算效率是一个
技术实现思路
1、为了解决现有技术的不足，本专利技术提供了多无人机辅助移动边缘计算的任务卸载优化方法及系统；
2、一方面，提供了多无人机辅助移动边缘计算的任务卸载优化方法，包括：
3、构建无人机-移动边缘计算空地节点协同卸载系统；
4、构建协同卸载系统的计算效率优化的目标函数和约束条件；
5、基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始化无人机任务卸载比例、初始化计算资源被分配的初始值和初始化网络带宽；
6、定义多智能体环境下的马尔科夫决策过程，基于多智能体深度确定性策略梯度算法，通过多智能体与环境的交互，实现目标函数值的求解，得到系统计算效率最大化时，所对应的无人机轨迹、计算资源和通信资源的分配以及任务的划分策略。
7、另一方面，提供了多无人机辅助移动边缘计算的任务卸载优化系统，包括：
8、系统构建模块，其被配置为：构建无人机-移动边缘计算空地节点协同卸载系统；
9、条件构建模块，其被配置为：构建协同卸载系统的计算效率优化的目标函数和约束条件；
10、确定模块，其被配置为：基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始化无人机任务卸载比例、初始化计算资源被分配的初始值和初始化网络带宽；
11、输出模块，其被配置为：定义多智能体环境下的马尔科夫决策过程，基于多智能体深度确定性策略梯度算法，通过多智能体与环境的交互，实现目标函数值的求解，得到系统计算效率最大化时，所对应的无人机轨迹、计算资源和通信资源的分配以及任务的划分策略。
12、再一方面，还提供了一种电子设备，包括：
13、存储器，用于非暂时性存储计算机可读指令；以及
14、处理器，用于运行所述计算机可读指令，
15、其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。
16、再一方面，还提供了一种存储介质，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。
17、再一方面，还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
18、上述技术方案具有如下优点或有益效果：
19、为了平衡mec系统的计算比特数和能耗，本专利技术的目标是在通信和计算资源、最小计算要求和无人机轨迹的约束下，最大化多无人机辅助mec系统的计算效率。为此，本专利技术通过优化用户关联状态、卸载比例、通信和计算资源分配以及无人机轨迹，提出了以加权计算效率最大化为目标的联合优化问题。
本文档来自技高网...【技术保护点】
1.多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，包括：
2.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，构建协同卸载系统的计算效率优化的目标函数和约束条件，具体包括：
3.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始化无人机任务卸载比例、初始化计算资源被分配的初始值和初始化网络带宽，其中，确定无人机的初始位置，包括：
4.如权利要求3所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，首先固定无人机的坐标位置，计算出地面设备与无人机之间的用户关联，具体包括：
5.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征，基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始化无人机任务卸载比例、初始化计算资源被分配的初始值和初始化网络带宽，其中，初始化无人机任务卸载比例，包括：
6.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特
7.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，基于多智能体深度确定性策略梯度算法，通过多智能体与环境的交互，实现目标函数值的求解，得到系统计算效率最大化时，所对应的无人机轨迹、计算资源和通信资源的分配以及任务的划分策略，具体包括：
8.多无人机辅助移动边缘计算的任务卸载优化系统，其特征是，包括：
9.一种电子设备，其特征是，包括：
10.一种存储介质，其特征是，非暂时性存储计算机可读指令，其中，当非暂时性计算机可读指令由计算机执行时，执行权利要求1-7任一项所述方法的指令。
...【技术特征摘要】
1.多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，包括：
2.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，构建协同卸载系统的计算效率优化的目标函数和约束条件，具体包括：
3.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始化无人机任务卸载比例、初始化计算资源被分配的初始值和初始化网络带宽，其中，确定无人机的初始位置，包括：
4.如权利要求3所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征是，首先固定无人机的坐标位置，计算出地面设备与无人机之间的用户关联，具体包括：
5.如权利要求1所述的多无人机辅助移动边缘计算的任务卸载优化方法，其特征，基于无人机-移动边缘计算空地节点协同卸载系统，确定无人机的初始位置、初始...
【专利技术属性】
技术研发人员：翟临博，鹿泽坤，周文杰，薛凯，赵景梅，
申请(专利权)人：山东师范大学，
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。