【技术实现步骤摘要】
本专利技术涉及计算机，具体涉及多无人机辅助mec网络中的协同计算卸载和充电调度方法。
技术介绍
1、近年来，移动边缘计算(mec)作为一种新兴技术，在5g网络中发挥着重要的作用。通过在接近用户的边缘服务器上执行计算任务，mec可以实现更快的数据处理和更好的用户体验。然而，随着6g网络的发展和接近，移动用户(mus)对低延迟和高带宽通信服务的需求持续增加，传统的mec方案无法提供快速的数据处理速度、降低网络拥塞和令人满意的服务质量(qos)。
2、此外，由于基站(bs)的固定位置、高建设成本和长建设周期，传统的基站mec解决方案的通信效率和灵活性相对较低，特别是在受自然灾害或军事攻击影响的地区。幸运的是，装备有边缘服务器的无人机(uav)由于其可移动性和灵活性已成为mec的热门选择。装有各种传感器和设备的无人机可以收集并传输实时数据，并飞往不同的地点，如受灾山区和密集城市环境，为用户提供按需计算资源。随着任务数量和规模的增加，单个无人机很难满足所有计算需求，导致qos下降。针对这一挑战，使用多个无人机进行协作计算近年来已成为高度热门的研究热点。
3、之前大量的多无人机辅助mec的研究集中在优化整体系统的延迟、能量消耗或任务完成数量，而没有考虑到无人机的能量和计算资源是有限的。对于它们来说，在没有充电的情况下可持续完成所有任务是困难的，因为它们的有限电池容量可能在长时间悬停和连续任务处理后耗尽。
技术实现思路
1、本专利技术的目的是为了解决现有多个无人机在进行协
2、为了解决上述技术问题，本专利技术采用的技术方案为：
3、多无人机辅助mec网络中的协同计算卸载和充电调度方法，包括以下步骤：
4、步骤s1：由mu及uav的计算任务参数、位置数据、信噪比,获取mu和uav之间的传输速率、uav和uav之间的传输速率，并通过能耗公式以及时延公式，获取uav消耗的能耗以及mu任务处理完成的总时延，同时计算出每一轮uav的剩余电量；
5、步骤s2：计算出每台uav的效用值，并结合uav的剩余电量，减去时延的敏感度，得到系统总效用，将最大化系统总效用作为优化目标，建立优化目标函数；
6、步骤s3：确定步骤s2所述优化目标函数的最优策略，包括u2u卸载策略、计算资源分配策略以及最优充电调度决策。
7、在步骤s1中，包括以下步骤：
8、步骤1-1：一方面，首先根据uavj和mu i的位置计算出los链路传输概率和nlos链路传输概率，然后计算出mu i和uavj之间的路径损耗，再将所获得的损耗代入信号增益公式，以求得mui和uavj之间的信道增益，然后将所获得的信道增益代入速率公式获得m2u的传输速率；
9、另一方面，首先根据不同uav的位置计算出los链路传输概率，然后计算出uavj和uav k之间的路径损耗，再将所获得的损耗带入信道增益公式里，求得uavj和uav k之间的信道增益，然后将所获得的信道增益代入速率公式，求得u2u的传输速率；
10、步骤1-2：根据时延公式求得传输时延，计算任务总时延；
11、步骤1-3：根据能耗公式，计算出传输能耗和计算能耗，同时算上无人机悬浮能耗，计算无人机剩余电量。
12、在步骤1-1中，获取u2u的传输速率和m2u的传输速率的步骤如下：
13、步骤1-1-1)计算出mui和uavj之间的los信道传输的概率以及uavj和uavk之间的los信道传输概率分别为：和1；其中，wα和wβ是与通信环境相关的固定系数，θi,j(t)是mu i和uav j之间的仰角，它是一个准恒定的值；
14、i指的是移动用户mui，j指的是无人机uav j，losi,j指的是移动用户mui和无人机uavj之间的可视距链路；t指的是第t个时隙；
15、步骤1-1-2)计算出mui和uavj之间的nlos信道传输的概率以及uavj和uavk之间的nlos信道传输概率分别为：和0；
16、nlosi,j指的是移动用户mui和无人机uavj之间的不可视距链路；
17、步骤1-1-3)计算出mui和uavj之间的平均路径损耗和uavj和uavk之间的平均路径损耗分
18、别为：
19、
20、
21、其中，和分别是与los和nlos通信信道相关的额外路径损失；是mu i和uav j之间的自由空间路径损耗，是mu i和uav j之间的距离，fc是载波频率，vc是光速；fsplj,k(t)指的是mu i和uav j之间的自由空间路径损耗，指的是mui和uavj之间的los链路通信的额外路径损耗；
22、步骤1-1-4)分别计算出mu i和uav j，uavj和uav k之间的信道增益为：
23、
24、
25、步骤1-1-5)计算计算出mu i和uav j，uavj和uav k之间的传输速率为：
26、
27、
28、其中，bi,j＝bj/nj
29、其中，bi,j指的是表示由uav j分配给mu i的传输带宽，pi,j指的是mui和uav j之间的上行传输功率，n0指的是噪声功率谱密度，pj,k指的是uavj和uav k之间的上行传输功率。
30、在步骤1-2中，计算任务总时延的步骤如下：
31、步骤1-2-1)计算出mu i到uav j的传输时延为其中，si(t)指的是任务的数据大小；
32、步骤1-2-2)计算出uav j到uav k的传输延迟为
33、步骤1-2-3)计算出uav j或uav k处理移动用户mu i的任务所需的计算延迟可以表示为：其中和分别是uav j和uav k分配给移动用户mu i的计算资源，fi,j(t)∈[0,1]和fi,k(t)∈[0,1]是它们的计算资源分配决策；其中，ci(t)指的是任务所需要的计算资源，fj(t)指的是无人机uavj所拥有的计算资源总数，fi,j(t)指的是无人机uavj给来自用户mui的任务的计算资源分配决策，fk(t)指的是无人机uavk所拥有的计算资源总数，fi,k(t)指的是无人机uavk给来自用户mui的任务的计算资源分配决策，k指的是无人机uavk；
34、步骤1-2-4)计算出任务总时延为：
35、
36、；其中，指的是该系统由具有计算、通信和充电功能的j架无人机组成，表示为ai,j是通信指示符，它表示mu i和uav j之间的通信关系，指的是uavj和uavk之间的通信卸载决策，指的是mu i到uav j的传输延迟，指的是uavj到uavk的传输延迟，指的是uav 本文档来自技高网...
【技术保护点】
1.多无人机辅助MEC网络中的协同计算卸载和充电调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤S1中，包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，在步骤1-1中，获取U2U的传输速率和M2U的传输速率的步骤如下：
4.根据权利要求2所述的方法，其特征在于，在步骤1-2中，计算任务总时延的步骤如下：
5.根据权利要求2所述的方法，其特征在于，在步骤1-3中，在能量消耗和无线充电模型中，将无人机(UAV)视为系统的核心，因此不考虑移动用户(MU)的传输能量消耗，其中，系统的总能量消耗，主要包括无人机的传输、计算和悬停能量消耗，并根据总能耗计算它们的剩余电池能量，计算无人机剩余电量的步骤如下：
6.根据权利要求1所述的方法，其特征在于，在S2中，包括以下步骤：
7.根据权利要求1至6其中之一所述的方法，其特征在于，步骤S3是确定步骤S2所述优化目标函数的最优U2U卸载策略、计算资源分配策略以及最优充电调度决策；
8.根据权利要求7所述的方法，其特征在
9.一种基于TD3算法的目标网络更新方法，其特征在于，包括以下步骤：
10.根据权利要求9所述的方法，其特征在于，
...【技术特征摘要】
1.多无人机辅助mec网络中的协同计算卸载和充电调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，在步骤s1中，包括以下步骤：
3.根据权利要求2所述的方法，其特征在于，在步骤1-1中，获取u2u的传输速率和m2u的传输速率的步骤如下：
4.根据权利要求2所述的方法，其特征在于，在步骤1-2中，计算任务总时延的步骤如下：
5.根据权利要求2所述的方法，其特征在于，在步骤1-3中，在能量消耗和无线充电模型中，将无人机(uav)视为系统的核心，因此不考虑移动用户(mu)的传输能量消耗，其中，...
【专利技术属性】
技术研发人员：赵亮，姚雨君，周欢，王浩，郭键锰，张思浓，
申请(专利权)人：三峡大学，
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。