【技术实现步骤摘要】
本专利技术涉及无线通信，特别涉及一种多无人机辅助边缘计算联合卸载和部署方法。
技术介绍
1、5g基础设施和物联网(internet of things,iot)的迅速发展，带来了像增强现实(augmented reality,ar)、自动驾驶和智能医疗保健系统等创新移动应用的快速兴起，亟待快速而可靠的连接性和低延迟的计算能力作为应用的支撑。然而，很多iot设备均面临着能耗和计算资源的限制。为应对这些挑战，移动边缘计算(mobile edge computing,mec)成为了一种至关重要的解决方案。mec允许设备卸载任务到附近的边缘服务器，这相比于传统的云计算减少了延迟和开销。尽管mec存在许多优点，它仍受到静态边缘服务器有限覆盖和固定位置的限制，因此，无人机(unmanned aerial vehicles,uavs)支持的mec应运而生。uav提供了灵活的部署、成本效益和高机动性，从而快速地为有需求的地区按需提供服务。此外，无人机可以与地面用户(ground users,gus)建立视距(line-of-sight,los)链路，提高连接的稳定性和可靠性，同时满足服务质量(quality of service,qos)的要求。
2、在无人机支持的mec网络中，已有相关工作对各种策略进行组合优化来实现不同的优化目标。然而，现有的研究假定所有计算任务可并行执行，忽略了计算任务之间的相互依赖关系。在实际场景中，现代的移动应用程序，如深度学习网络和增强现实网络，都是由大量相互依赖的计算密集型任务组成的。具有任务依赖意味着
技术实现思路
1、针对
技术介绍
的问题，本专利技术提供了一种多无人机辅助边缘计算联合卸载和部署方法，该方法包括以下步骤：
2、步骤1：获取地面用户的位置信息，其中，地面用户的数量为k，地面用户的集合表示为对于任意的地面用户sk的水平位置坐标为
3、步骤2：根据每个地面用户的位置信息，采用聚类算法对地面用户聚类，生成m个簇；
4、步骤3：为每个簇设置一个无人机uav，每个uav配备一个空中边缘服务器，以执行簇中地面用户卸载过来的dl任务，其中，每个地面用户与关联的uav之间的信道为正交通信信道，每个sk产生nk个dl任务，每个dl任务包含多个子任务，uav集合表示为
5、步骤4：通过联合优化子任务卸载策略和uav位置部署，从而使得所有的dl任务的最大完工时间最小化；
6、步骤5：采用优化后的子任务卸载策略和uav位置部署结果，对子任务进行卸载以及对无人机的位置进行部署，
7、步骤4中的优化问题，记为p1，用公式表示为：
8、
9、其中，
10、c1-c5表示五个约束条件；
11、表示由地面用户sk生成的第n个dl任务，表示所有的dl任务的集合，即
12、表示dl任务的产生时间；
13、表示dl任务的可容忍延迟；
14、表示dl任务的dag结构；
15、是dl任务的子任务集合，每个子任务对应于深度神经网络的某一层，表示集合中元素的个数，即的子任务的总个数l；
16、为边集，表征了dl任务的子任务之间的依赖关系，数据流边表示子任务是子任务的父任务，即子任务依赖于子任务
17、表示无人机部署，表示无人机um的水平位置；
18、表示子任务卸载策略，xkmnl∈{0,1}，xkmnl＝1表示子任务将被卸载到无人机um上处理，xkmnl＝0则表示子任务在用户sk本地执行；符号所在的式子为定义式；
19、qi和qj表示任意两个无人机ui和uj的水平位置；
20、dmin表示任何两架无人机之间应该保持的最小安全距离；
21、表示任务中所有子任务的最大完成时间；
22、表示子任务的完成时间；
23、表示子任务在设备d上的开始时间，设备d为地面用户sk或无人机um，由子任务是否需要被卸载来决定；
24、表示子任务所需的计算时间。
25、进一步地，通过下式计算：
26、
27、其中，表示子任务所需的flop次数，fk和fm分别表示地面用户sk和无人机um的计算能力，即每秒浮点运算次数；
28、
29、其中，表示子任务传输到设备d上的传输延迟，表示子任务在设备d的计算队列中的排队延迟。
30、进一步地，传输延迟依赖于子任务依赖的子任务在设备d'上的完成时间子任务在传输队列的等待时间以及子任务生成的输出结果数据发送到子任务的执行设备所需的时间即
31、
32、其中，子任务依赖子任务即子任务是子任务的一个父任务，表示子任务的所有父任务的集合，设备d'为地面用户sk或无人机um，由子任务是否被卸载来决定；
33、
34、表示具有本地依赖的卸载执行，即，当时，表示子任务被卸载到uav上，而其依赖的子任务在本地执行，否则xkmnl'表示子任务是否被卸载到uav；
35、表示子任务生成的输出结果数据从地面用户sk传输到无人机um的上行传输时长；
36、表示由子任务生成的输出结果数据的大小，表示地面用户sk将任务卸载到无人机um时的上行速率；
37、表示具有卸载依赖的本地执行，即，当时，表示子任务在本地执行，而其依赖的子任务被卸载到uav上，否则
38、表示将子任务生成的输出结果数据从无人机um传输到地面用户sk的下行传输时长；
39、表示地面用户sk从无人机um下载数据时的下行速率；
40、表示子任务在设备d'的传输队列中获取信道资源的排队延迟，
41、和表示由地面用户sk'生成的第n'个dl任务中的第i和第j个子任务；
42、表示传输子任务之前，设备d'的传输队列中的数据流边集合，其中，传输子任务之前的设备d'的传输队列也记为
43、表示子任务传输到设备d'上的传输延迟；
44、排队延迟用公式表示为：
45、
46、其中，表示子任务在设备d上的完成时间，表示设备d在计算子任务之前，设备d的计算队列中的子任务集合，其中，在计算子任务之前，设备d的计算队列也记为表示由地面用户sk'生成的第n'个dl任务中的第l'个子任务。
47、进一步地，所述方法还包括步骤4中的p1问题转化为两个子问题，即子任务卸载决策问题和uav位置部署问题，并利用交替迭代优化方法对两个子问题进行交替迭代优化，从而得到最优的子任务卸载策略和uav位置本文档来自技高网...
【技术保护点】
1.一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，包括：
2.根据权利要求1所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，通过下式计算：
3.根据权利要求2所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，传输延迟依赖于子任务依赖的子任务在设备d'上的完成时间子任务在传输队列的等待时间以及子任务生成的输出结果数据发送到子任务的执行设备所需的时间即
4.根据权利要求3所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，所述方法还包括步骤4中的P1问题转化为两个子问题，即子任务卸载决策问题和UAV位置部署问题，并利用交替迭代优化方法对两个子问题进行交替迭代优化，从而得到最优的子任务卸载策略和UAV位置部署，其中，交替迭代优化的过程为：
5.根据权利要求4所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，子任务卸载决策问题是在给定的UAV位置部署的条件下，优化卸载策略{xkmnl}，将该子问题记为P2，P2表示为：
6.根据权利要求5所述的一种多无人机辅助边缘计算联合
7.根据权利要求5所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，S3具体包括，按照子任务的优先级顺序，对于每个子任务执行步骤S31-S40，直至所有DL任务中的所有子任务全部执行完毕，则可以得到
8.根据权利要求4所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，UAV位置部署问题是在固定卸载决策{xkmnl}的条件下，优化UAV位置部署{qm}，将该子问题转化为P3，P3表示为：
9.根据权利要求8所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，所述方法还包括将问题P3转化为问题P4，P4表示为：
...【技术特征摘要】
1.一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，包括：
2.根据权利要求1所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，通过下式计算：
3.根据权利要求2所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，传输延迟依赖于子任务依赖的子任务在设备d'上的完成时间子任务在传输队列的等待时间以及子任务生成的输出结果数据发送到子任务的执行设备所需的时间即
4.根据权利要求3所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，所述方法还包括步骤4中的p1问题转化为两个子问题，即子任务卸载决策问题和uav位置部署问题，并利用交替迭代优化方法对两个子问题进行交替迭代优化，从而得到最优的子任务卸载策略和uav位置部署，其中，交替迭代优化的过程为：
5.根据权利要求4所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，...
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。