CN110716580A - 一种边缘计算环境中的无人机编队负载均衡机制 - Google Patents

一种边缘计算环境中的无人机编队负载均衡机制 Download PDF

Info

Publication number
CN110716580A
CN110716580A CN201810774546.0A CN201810774546A CN110716580A CN 110716580 A CN110716580 A CN 110716580A CN 201810774546 A CN201810774546 A CN 201810774546A CN 110716580 A CN110716580 A CN 110716580A
Authority
CN
China
Prior art keywords
nodes
node
task
unmanned aerial
arrival rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810774546.0A
Other languages
English (en)
Inventor
胡平
季鹏飞
徐曾春
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201810774546.0A priority Critical patent/CN110716580A/zh
Publication of CN110716580A publication Critical patent/CN110716580A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开一种基于边缘计算的多无人机编队野外作业负载均衡机制，包括：监测各无人机节点的外部任务到达率，并设定一个阈值以此来判定外部任务到达率是较高或较低；当外部任务到达率判定为较高时选用主动集中式算法进行任务卸载，指定无人机编队中的一架无人机为服务器，其余所有节点将节点状态信息(NSI)发送给指定的服务器，然后计算如何以最小成本将任务卸载给其他节点，并将相应的决策向量dv发送回每个节点；当外部任务到达率判定为较低时选用反馈分布式算法将任务卸载给邻节点，节点只在需要帮助时进行通信。寻求帮助的节点广播请求帮助信息(RFH)并等待邻居发送他们的NSI进行响应。如果相邻节点的平均CPU利用率小于设定阈值，则必须响应。一旦寻求帮助的节点从其他节点接收到NSI，它就通过计算使自身以最小成本实现卸载。

Description

一种边缘计算环境中的无人机编队负载均衡机制
技术领域
本发明涉及一种纯边缘计算环境中负载均衡的任务卸载调度算法，属于边缘计算技术与分布式计算技术相结合的技术领域。
背景技术
边缘计算是指在网络边缘执行计算的一种新型计算模型，其基本理念是将计算任务在接近数据源的计算资源上运行。边缘计算模型将原有云计算中心的部分或全部计算任务迁移到数据源的附近执行。
在无人机编队执行野外搜救任务时，疑似目标在地面的分布是随机的，不可预知的，这就意味着同一时间无人机网络中的各节点负载极有可能是不均衡的，这可能导致部分无人机长时间过载提前耗尽能量，进而影响整个编队的续航。通过任务间卸载调度使各节点互相帮助，可以实现节点之间的负载均衡。但无人机编队的调度多依赖于云台控制，在野外的通信环境中可能难以连接到云台，边缘计算模型可以为该问题提供解决方案。
发明内容
本发明的目的是在野外或灾后无法连接到云端或雾端的纯边缘环境中，为无人机节点间的可卸载作业做出调度决策，以使各节点间负载均衡，进而延长整个系统的续航。
本发明具体采用以下技术方案解决上述技术问题：
一种边缘计算环境中功耗负载均衡优化的负载任务迁移算法，包括以下步骤：
(1)监测各节点的外部任务到达率，当外部任务到达率小于计算能力时，无需卸载；当外部任务到达率大于计算能力时，设定一个阈值以此来判定外部任务到达率是较高或较低；
(2)当外部任务到达率判定为较高时选用主动集中式算法进行任务卸载，指定无人机编队中的一架无人机为服务器，其余所有节点将节点状态信息(NSI)发送给指定的服务器，然后解决如下方程中的问题并将相应的决策向量dv发送回每个节点。在新的广播播出前，其他所有节点都必须遵循服务器做出的决策根据dv进行计算和卸载。
Figure BSA0000167171220000011
其中决策变量xij∈R(x×m)代表通信链路(i，j)∈A上的任务流。xii是本地处理的任务率。γi是可卸载任务的速率，γi0是不可卸载任务的速率，dv为决策矩阵中的决策向量，Cij为成本函数，定义如下：
Figure BSA0000167171220000021
其中，D是数据量，f是平均重传次数(可用如下公式计算)，BWij是节点i和j之间的预期带宽，Bi，Bj是节点i和j中的剩余电量，Li和Lj是节点i和j中已有的任务量，ω1，ω2，ω3是权重因子。
f(PDR)＝E[g(x；PDR)]
Figure BSA0000167171220000022
其中PDR为数据包投递率。
上述方程中的决策方案也可以如下的决策矩阵定义：
Figure BSA0000167171220000023
矩阵X的每一行为决策向量(dv)。决策向量dvi决定节点i如何处理传入的任务。矩阵的第i列表示其他节点如何把任务卸载到节点i。
(3)当外部任务到达率判定为较低时选用反馈分布式算法将任务卸载给邻节点，节点只在需要帮助时进行通信。寻求帮助的节点广播请求帮助信息(RFH)并等待邻居发送他们的NSI进行响应。如果相邻节点的平均CPU利用率小于设定的阈值，则必须响应。一旦寻求帮助的节点从其他节点接收到NSI，它就制定并解决如下方程中的问题，它与前述方程中的中心问题不同，这里的每个节点i只根据从其近邻处可获得的信息尽量减少自身目标函数的成本。为了避免使用旧信息并及时更新邻节点的当前状况，可以设置一个计时器Tm。一旦超过设定时间，节点必须广播RFH重新开始。
Figure BSA0000167171220000024
本发明采用上述技术方案，能产生如下技术效果：
1.通过无人机编队的协同工作，改善单个无人机计算能力弱的问题，有效调高整个系统的计算能力。
2.克服了无人机编队在野外或灾后通信条件差，无法实现有效的任务协同调度的问题。
3.实现了无人机编队中各无人机负载均衡，避免了因单个无人机任务过重，导致能量提前耗尽，进而影响整个编队续航，打乱原有计划的问题。
附图说明
图1是无人机搜救编队；
图2是将无人机节点建模为队列网络；
图3卸载机制工作流程
具体实施方式
下面结合附图对本发明技术方案的一个实施例作进一步的描述：
图1是野外工作的无人机编队，本发明将无人机节点建模为图2所示的队列网络，无人机编队其设计了一种边缘计算环境中的无人机编队负载均衡机制，具体流程见图3，该机制可以提高无人机编队的性能和能效比，增长其整体体续航时间。包括以下步骤：
(1)监测各节点的外部任务到达率，并设定一个阈值以此来判定外部任务到达率是较高或较低。
(2)当外部任务到达率判定为较高时选用主动集中式算法进行任务卸载，指定无人机编队中的一架无人机为服务器，其余所有节点将节点状态信息(NSI)发送给指定的服务器，然后解决如下方程中的问题并将相应的决策向量dv发送回每个节点。在新的广播播出前，其他所有节点都必须遵循服务器做出的决策根据dv进行计算和卸载。
Figure BSA0000167171220000031
其中决策变量xij∈R(n×m)代表通信链路(i，j)∈A上的任务流。xii是本地处理的任务率。γi是可卸载任务的速率，γi0是不可卸载任务的速率，dv为决策矩阵中的决策向量，Cij为成本函数，定义如下：
Figure BSA0000167171220000032
其中，D是数据量，f是平均重传次数(可用如下公式计算)，Bwij是节点i和j之间的预期带宽，Bi，Bj是节点i和j中的剩余电量，Li和Lj是节点i和j中已有的任务量，ω1，ω2，ω3是权重因子。
f(PDR)＝E[g(x；PDR)]
其中PDR为数据包投递率。
上述方程中的决策方案也可以如下的决策矩阵定义：
Figure BSA0000167171220000034
矩阵X的每一行为决策向量(dv)。决策向量dvi决定节点i如何处理传入的任务。矩阵的第i列表示其他节点如何把任务卸载到节点i。
(3)当外部任务到达率判定为较低时选用反馈分布式算法将任务卸载给邻节点，节点只在需要帮助时进行通信。寻求帮助的节点广播请求帮助信息(RFH)并等待邻居发送他们的NSI进行响应。如果相邻节点的平均CPU利用率小于设定的阈值，则必须响应。一旦寻求帮助的节点从其他节点接收到NSI，它就制定并解决如下方程中的问题。为了避免使用旧信息并及时更新邻节点的当前状况，设置一个计时器Tth。一旦超过设定时间，节点必须广播RFH重新开始。
Figure BSA0000167171220000041
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (8)

1.一种边缘计算环境中的无人机编队负载均衡机制，其特征在于，包括以下步骤：
第一步、监测各节点的外部任务到达率，当外部任务到达率小于计算能力时，无需卸载；当外部任务到达率大于计算能力时，设定一个阈值以此来判定外部任务到达率是较高或较低；
第二步、当外部任务到达率判定为较高时选用主动集中式算法进行任务卸载，指定无人机编队中的一架无人机为服务器，其余所有节点将节点状态信息(NSI)发送给指定的服务器，然后解决最小成本流问题并将相应的决策向量dv发送回每个节点；在新的广播播出前，其他所有节点都必须遵循服务器做出的决策根据dv进行计算和卸载；
第三步、当外部任务到达率判定为较低时选用反馈分布式算法将任务卸载给邻节点，节点只在需要帮助时进行通信。寻求帮助的节点广播请求帮助信息(RFH)并等待邻居发送他们的NSI进行响应；如果相邻节点的平均CPU利用率小于设定的阈值，则必须响应；一旦寻求帮助的节点从其他节点接收到NSI，它就制定并解决最小成本流问题；为了避免使用旧信息并及时更新邻节点的当前状况，设置一个计时器Tth，一旦超过设定时间，节点必须广播RFH重新开始。
2.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第一步中设定阈值判定任务到达率高低并根据任务到达率的高低动态选择卸载算法。
3.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第二步中的最小成本流问题用如下方程表示；
Figure FSA0000167171210000011
Figure FSA0000167171210000012
其中决策变量xij∈R(n×m)代表通信链路(i，j)∈A上的任务流，xii是本地处理的任务率，γi是可卸载任务的速率，γi0是不可卸载任务的速率，dv为决策矩阵中的决策向量，Cij为成本函数，定义如下：
其中，D是数据量，f是平均重传次数，BWij是节点i和j之间的预期带宽，Bi，Bj是节点i和j中的剩余电量，Li和Lj是节点i和j中已有的任务量，ω1，ω2，ω3是权重因子。
4.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第三步所用卸载算法设定一个定时器Tth以避免使用旧信息并及时更新邻节点当前状态。
5.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第三步中的最小成本流问题用如下方程表示：
Figure FSA0000167171210000021
Figure FSA0000167171210000022
6.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第二步与第三步中所有计算任务都在最边缘的无人机上协同完成，不依赖云层或者雾层。
7.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：第二步和第三步中进行任务卸载调度时，其成本函数综合考虑通信成本、各节点的实时计算能力和剩余能量。
8.如权利要求1所述的一种边缘计算环境中的无人机编队负载均衡机制，其特征在于：在整个过程中，各无人机之间不仅有信息的交互，还会协同完成同一计算任务。
CN201810774546.0A 2018-07-11 2018-07-11 一种边缘计算环境中的无人机编队负载均衡机制 Pending CN110716580A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810774546.0A CN110716580A (zh) 2018-07-11 2018-07-11 一种边缘计算环境中的无人机编队负载均衡机制

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810774546.0A CN110716580A (zh) 2018-07-11 2018-07-11 一种边缘计算环境中的无人机编队负载均衡机制

Publications (1)

Publication Number Publication Date
CN110716580A true CN110716580A (zh) 2020-01-21

Family

ID=69208704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810774546.0A Pending CN110716580A (zh) 2018-07-11 2018-07-11 一种边缘计算环境中的无人机编队负载均衡机制

Country Status (1)

Country Link
CN (1) CN110716580A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111328029A (zh) * 2020-03-14 2020-06-23 杭州鸿晶自动化科技有限公司 一种去中心化的任务再分配的方法和装置
CN111585637A (zh) * 2020-04-17 2020-08-25 长沙理工大学 一种基于边缘计算系统的无人机任务卸载和资源分配方法
CN113434209A (zh) * 2021-06-22 2021-09-24 南方电网科学研究院有限责任公司 一种端边二层协同计算卸载方法、装置、终端及存储介质
CN113763742A (zh) * 2020-06-01 2021-12-07 大唐移动通信设备有限公司 一种基于mec的车队辅助行驶的方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101681331A (zh) * 2006-09-06 2010-03-24 阿卡麦科技公司 混合型内容分发网络(cdn)和对等(p2p)网络
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法
CN106936892A (zh) * 2017-01-09 2017-07-07 北京邮电大学 一种自组织云多对多计算迁移方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101681331A (zh) * 2006-09-06 2010-03-24 阿卡麦科技公司 混合型内容分发网络(cdn)和对等(p2p)网络
CN106936892A (zh) * 2017-01-09 2017-07-07 北京邮电大学 一种自组织云多对多计算迁移方法及系统
CN106844051A (zh) * 2017-01-19 2017-06-13 河海大学 一种边缘计算环境中功耗优化的负载任务迁移算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
方堃等: "《优先级调度下的无人机自组网数据可靠传输跨层方法》", 《小型微型计算机系统》 *
施巍松等: "《边缘计算：万物互联时代新型计算模型》", 《计算机研究与发展》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111328029A (zh) * 2020-03-14 2020-06-23 杭州鸿晶自动化科技有限公司 一种去中心化的任务再分配的方法和装置
CN111585637A (zh) * 2020-04-17 2020-08-25 长沙理工大学 一种基于边缘计算系统的无人机任务卸载和资源分配方法
CN113763742A (zh) * 2020-06-01 2021-12-07 大唐移动通信设备有限公司 一种基于mec的车队辅助行驶的方法、装置及存储介质
CN113434209A (zh) * 2021-06-22 2021-09-24 南方电网科学研究院有限责任公司 一种端边二层协同计算卸载方法、装置、终端及存储介质
CN113434209B (zh) * 2021-06-22 2022-10-18 南方电网科学研究院有限责任公司 一种端边二层协同计算卸载方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
CN110716580A (zh) 一种边缘计算环境中的无人机编队负载均衡机制
WO2023040022A1 (zh) 一种在随机网络中基于算网协同的分布式计算卸载方法
CN108566659B (zh) 一种基于可靠性的5g网络切片在线映射方法
CN108965014B (zh) QoS感知的服务链备份方法及系统
WO2019134197A1 (zh) 基于朴素贝叶斯分类器的最小负载路由选择方法及系统
CN113660325B (zh) 一种基于边缘计算的工业互联网任务卸载策略
WO2022057811A1 (zh) 一种面向边缘服务器的网络突发负载疏散方法
CN109947574A (zh) 一种基于雾网络的车辆大数据计算卸载方法
CN106201356A (zh) 一种基于链路可用带宽状态的动态数据调度方法
CN111885493B (zh) 一种基于改进布谷鸟搜索算法的微云部署方法
CN114265631A (zh) 一种基于联邦元学习的移动边缘计算智能卸载方法及装置
CN112612553A (zh) 一种基于容器技术的边缘计算任务卸载方法
Li et al. Deep reinforcement learning for load balancing of edge servers in iov
CN114172558B (zh) 一种车辆网络中基于边缘计算和无人机集群协同的任务卸载方法
Grasso et al. Deep Q-learning for job offloading orchestration in a fleet of MEC UAVs in 5G environments
Akhtar et al. A comparative study of the application of glowworm swarm optimization algorithm with other nature-inspired algorithms in the network load balancing problem
CN113342504A (zh) 基于缓存的智能制造边缘计算任务调度方法及系统
CN112188441A (zh) 边缘网络中采用无人机的任务卸载方法、系统及存储介质
CN115118666B (zh) 一种负载重新分配方法及装置
Gowri et al. An agent based resource provision for iot through machine learning in fog computing
CN114301911B (zh) 一种基于边边协同的任务管理方法和系统
CN113660696B (zh) 基于区域池组网的多接入边缘计算节点选择方法及系统
CN115955711A (zh) 一种面向能效最优的空地6g网络资源分配方法
CN115499875A (zh) 一种卫星互联网任务卸载方法、系统以及可读存储介质
Lei Artificial intelligence empowered traffic control for Internet of Things with mobile edge computing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
DD01 Delivery of document by public notice
DD01 Delivery of document by public notice

Addressee: Hu Ping

Document name: Notice of First Examination Opinion

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200121