一种基于边缘计算场景下的无人机任务卸载方法和系统技术方案

本发明专利技术公开了一种基于边缘计算场景下的无人机任务卸载方法和系统，构建了卸载任务模型、卸载任务决策模型、不同卸载场景下的卸载任务时延计算模型和基于前景理论的卸载任务用户满意度模型，基于构建的模型构建了优化函数以及约束条件，求解得到最优卸载决策、最优缓存决策和最优资源分配决策，当无人机收到卸载用户的任务卸载请求时，考虑了是否已有缓存数据从而确定是否需要上传卸载任务的输入数据。解决了无人机边缘计算任务未考虑到受限于无人机的能量有限，存在任务可能无法被处理的风险，以及忽略了下载失败风险下的用户主观卸载意愿的技术问题。

【技术实现步骤摘要】

本专利技术涉及边缘计算，尤其涉及一种基于边缘计算场景下的无人机任务卸载方法和系统。

技术介绍

1、随着移动互联网的快速发展、移动设备的广泛普及和各种新兴计算密集型应用程序的出现，数据流量正在经历爆炸性增长。在运行自动驾驶、增强现实和虚拟现实等新兴的计算密集、时延敏感型应用时，会产生大量的计算任务。然而，移动设备受限于其电池的能量以及cpu的计算能力，难以在任务截止时间之前完成处理。

2、移动边缘计算(mobile edge computing,mec)是为了解决上述挑战而提出的一种解决方案，该技术将云计算能力下沉到靠近用户的网络边缘，通过在靠近用户的基站/车辆/无人机部署服务器，为用户提供计算服务以减少用户处理任务的时延和能耗。边缘计算的卸载流程包括：输入数据的上传、边缘服务器处理计算任务以及计算结果的回传三个部分，由于在实际场景中结果的大小相比前两者过小，往往在建模过程中忽略不计。

3、无人机辅助mec网络相比传统的边缘计算网络架构具有部署灵活、移动性强、视距通信等优点，更加适合部署在紧急救援、海上通信、应急通讯等场景。然而，无人本文档来自技高网...

【技术保护点】

1.一种基于边缘计算场景下的无人机任务卸载方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述卸载任务模型为：

3.根据权利要求2所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述基于卸载决策、缓存决策和资源分配决策的优化函数为：

4.根据权利要求3所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述边缘服务器求解所述优化函数，包括：

5.根据权利要求4所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，卸载决策子问题的目标函数采用遗传算法进行求解，缓存决策子...

【技术特征摘要】

1.一种基于边缘计算场景下的无人机任务卸载方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述卸载任务模型为：

3.根据权利要求2所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述基于卸载决策、缓存决策和资源分配决策的优化函数为：

4.根据权利要求3所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，所述边缘服务器求解所述优化函数，包括：

5.根据权利要求4所述的基于边缘计算场景下的无人机任务卸载方法，其特征在于，卸载决策子问题的目标函数采用遗传算法进行求解，缓存决策子问题的目标函数采用动态规划算法进行求解，资源分配决策子问题的目标函数采用cvx求解器进行求解。

6.一...

【专利技术属性】
技术研发人员：刘义，王治恒，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：