一种MEC系统中可靠的多无人机辅助DNN任务划分与卸载方法技术方案

本发明专利技术公开了一种MEC系统中可靠的多无人机辅助DNN任务划分与卸载方法，该方法首先建立一个多无人机辅助的MEC架构，其中多架无人机(UAVs)为移动设备(MDs)提供计算卸载服务。然后为了保证在高动态场景下的可靠通信，提出了鲁棒传输问题，并利用条件风险值方法分析了在最坏情况下的信道条件下的成功传输概率。在此基础上，为了加速DNN的推理，构建以最小化总时延为目标的协同DNN划分和卸载(CDPO)问题，并在蝙蝠算法的基础上提出了CPOO算法来对基于DNN的任务划分与卸载进行寻优求解。最后，提出了一个同时考虑可靠性保证和延迟敏感的要求的非凸优化问题作为主问题，并通过将次梯度算法与CPOO算法相结合的LaCPOO算法进行求解。

【技术实现步骤摘要】

本专利技术属于边缘计算任务，具体涉及一种mec系统中可靠的多无人机辅助dnn任务划分与卸载方法。

技术介绍

1、随着物联网(iot)和人工智能(ai)的迅速发展，大量新颖的移动ai应用，如图像分类、虚拟/增强现实等，都需要在智能移动设备(md)(例如，智能手机、笔记本电脑和平板电脑)上进行处理。然而，深度神经网络(dnn)的快速发展和参数体量的不断增加，导致了显著的计算需求。由于尺寸和计算能力的限制，md很难满足实时处理的要求，这将严重影响服务质量(qos)的要求。因此，边缘智能已经成为实现低延迟和可靠的dnn推理的一种有前途的范式。

2、无人机由于价格低廉、易于部署和灵活移动的优势，已经在包括但不限于智能传感器数据采集、目标跟踪、灾区监测和辅助计算等领域得到应用和发展，考虑通过无人机实现可靠、高效的计算卸载策略。

3、近年来，深度神经网络(dnn)的计算复杂性不断提升，导致其在资源受限的边缘设备上运行变得更加困难。dnn划分技术因此得到了广泛关注。dnn划分的核心思想是将大型神经网络模型的计算任务分解为多个子任务，并将这些子任务在本文档来自技高网...

【技术保护点】

1.一种MEC系统中可靠的多无人机辅助DNN任务划分与卸载方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的MEC系统中可靠的多无人机辅助DNN任务划分与卸载方法，其特征在于，步骤(1)中，UAV集群在MEC系统所覆盖的地区上空飞行，且每一个UAV都连接到一个边缘服务器，BS作为云服务器，拥有强大的计算能力；将MD集合、UAV集群分别表示为将整个任务调度时间划分为T个等长时隙，每个时隙以t为索引；每个MD m在时隙t生成一个基于DNN的任务Jm(t)，Jm(t)可以划分为Nm个子任务；记MD m的第i个子任务为子任务可以卸载到UAV上进行协同计算；注意到在动态网络中卸...

【技术特征摘要】

1.一种mec系统中可靠的多无人机辅助dnn任务划分与卸载方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的mec系统中可靠的多无人机辅助dnn任务划分与卸载方法，其特征在于，步骤(1)中，uav集群在mec系统所覆盖的地区上空飞行，且每一个uav都连接到一个边缘服务器，bs作为云服务器，拥有强大的计算能力；将md集合、uav集群分别表示为将整个任务调度时间划分为t个等长时隙，每个时隙以t为索引；每个md m在时隙t生成一个基于dnn的任务jm(t)，jm(t)可以划分为nm个子任务；记md m的第i个子任务为子任务可以卸载到uav上进行协同计算；注意到在动态网络中卸载可能会失败，可以将任务发送给bs再处理；为了便于说明，构建了一个笛卡尔坐标系，并假设所有的md和bs都在零高度，而uav则在固定高度h上飞行以节省能量；然后，在时隙t处，md和uav的水平坐标分别表示为qm(t)＝(xm(t)，ym(t))和qu(t)＝(xu(t)，yu(t))；bs的位置记为qb＝(xb，yb)。

3.据权利要求1所述的mec系统中...

【专利技术属性】
技术研发人员：王玲，王俊华，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：