CN111757361A - 一种雾网络中基于无人机辅助的任务卸载方法 - Google Patents

一种雾网络中基于无人机辅助的任务卸载方法 Download PDF

Info

Publication number
CN111757361A
CN111757361A CN202010750641.4A CN202010750641A CN111757361A CN 111757361 A CN111757361 A CN 111757361A CN 202010750641 A CN202010750641 A CN 202010750641A CN 111757361 A CN111757361 A CN 111757361A
Authority
CN
China
Prior art keywords
task
aerial vehicle
unmanned aerial
energy consumption
delay
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.)
Granted
Application number
CN202010750641.4A
Other languages
English (en)
Other versions
CN111757361B (zh
Inventor
黄晓舸
杨萱
陈志�
陈前斌
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202010750641.4A priority Critical patent/CN111757361B/zh
Publication of CN111757361A publication Critical patent/CN111757361A/zh
Application granted granted Critical
Publication of CN111757361B publication Critical patent/CN111757361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种雾网络中基于无人机辅助的任务卸载方法，属于移动通信技术领域。以最小化系统总时延和能耗为目标，联合优化无人机轨迹，通信资源分配及任务卸载比例。首先，在地面网络中，用户可通过D2D链路卸载任务，定义一个效率指标函数，由服务质量效用和成本共同决定，R‑ID可在F‑ID中选择效率指标函数值最大的F‑ID进行任务卸载；其次，在空中网络中，构建G2A任务卸载模型。R‑ID的计算任务通过无线链路卸载到无人机。本方案在优化无人机的轨迹，通信资源分配的同时，有效地降低了系统总开销。

Description

一种雾网络中基于无人机辅助的任务卸载方法
技术领域
本发明属于移动通信技术领域，涉及一种雾网络中基于无人机辅助的任务卸载方法。
背景技术
5G移动网络中的一个核心目标是为人们提供无处不在的连接，随时随地可以使用所有的应用程序和服务。互联网已经转向基于云的结构，云计算为终端用户提供了外包计算和存储功能。然而，随着近年来流量的激增，将超大容量的数据传输到云服务器中，不仅给通信带宽带来了沉重的负担，还造成了难以忍受的传输延迟，降低了终端用户对服务质量的满意度。除了实时交互和低延迟问题，随着移动用户和移动流量越来越多，对移动性和地理分布的支持也是至关重要的。为了满足物联网(Internet ofThings,IoT)环境对服务质量(Quality of Service,QoS)的高要求，改善无线带宽和端到端延迟，雾计算被提议作为云的扩展组件来承载更接近边缘的应用程序和服务。由于在网络边缘支持分布式低延迟计算，雾计算提供了大量可伸缩的资源，允许转移到距离IoT设备更近的位置计算，以克服集中式云计算的限制。
为了应对上述挑战，思科发布了雾计算的概念，其目标是在雾设备(如网关、路由器、交换机、IP摄像机等)上处理部分工作负载，从而减轻云计算服务器的负担。雾设备(FogNode,FN)部署在物联网设备附近，将云计算扩展到网络的边缘，这可以降低物联网终端对计算能力和电源的性能要求，还可以缩短计算密集型任务的计算延迟。
此外，在基站等基础设施有限甚至没有的情况下，无人机(UnmannedAerialVehicle，UAV)可以为物联网终端提供卸载机会并降低计算能耗，这是由于无人机有着灵活的机动性和低成本的优势，从而获得高概率的视距(LOS)空对地通道。无人机辅助雾计算可以进行计算卸载，并且可以部署在离物联网终端很近的地方，从而节约设备能源，提供低延迟服务，并且安全可靠。
发明内容
有鉴于此，本发明的目的在于提供一种雾网络中基于无人机辅助的任务卸载方法，该方法联合优化无人机轨迹，通信资源分配，任务卸载比例以最小化系统总开销。
为达到上述目的，本发明提供如下技术方案：
一种雾网络中基于无人机辅助的任务卸载方法，该方法包括以下步骤：
S1：地面网络中D2D任务卸载方案；
S2：空地网络中G2A任务卸载方案；
S3：系统总开销优化方案。
可选的，在所述步骤S1中，建立一个地面网络D2D任务卸载模型，该模型由有需求的物联网设备R-ID和空闲物联网设备F-ID组成，设R-ID的集合为M，F-ID的集合为X。
可选的，在所述步骤S2中，将无人机看作是具有计算能力的边缘节点，即雾节点；在步骤S1的基础上，构建雾网络中无人机辅助的任务卸载模型；该模型第一层为地面网络，由R-ID和F-ID组成；第二层为空中网络，由无人机组成，为R-ID提供计算卸载服务。
可选的，在所述步骤S2中，设一个计算周期持续时间为T秒，将时间T分为Q个时隙；每个时隙长度为Δ秒，即T＝QΔ秒；无人机的轨迹在每个Δ时隙内大致固定，将计算周期离散化，确定每个Δ时隙内无人机的大致位置，然后通过离散点确定出无人机的轨迹；无人机沿着优化的轨迹飞行，并为其覆盖范围内的R-ID提供所需要的服务。
可选的，在所述步骤S1中，R-ID m到F-ID x的信噪比SINR为：
Figure BDA0002609952480000021
M是集合，m代表M中的变量，X是集合，x代表X中的变量；
设阈值为δ,当γm,x≥δ时，将R-ID m和对应的F-ID x划为一个D2D群组，设在q时隙，每个R-ID或F-ID只能属于一个D2D群组。
可选的，在所述步骤S2中，R-ID m有计算密集型任务Lm，在本地执行，或通过D2D链路将部分任务卸载至同群组的F-ID x，或通过无线链路将部分计算任务卸载至无人机；假设任务Lm的αm∈[0,1]将卸载至F-ID x，βm∈[0,1]将卸载至无人机，(1-αm-βm)∈[0,1]将在本地进行计算；M是集合，m代表M中的变量，X是集合，x代表X中的变量。
可选的，在所述步骤S2中，对于R-ID m，定义效率指标函数ηm,x为：
Figure BDA0002609952480000022
其中，服务质量效用为R-ID m的收益减去其卸载任务的能耗成本，服务质量成本则是通过服务延迟来衡量。
可选的，在所述步骤S2中，在获得同样的收益时，R-ID m支付的能耗和时延成本越小，则效率指标函数值ηm,x越大；根据ηm,x的值，由大到小列出R-ID m的偏好列表，
Figure BDA0002609952480000023
R-ID m选择ηm,1，并将计算任务卸载到对应的F-ID x中执行。
可选的，在所述步骤S2中，根据构建的雾网络中基于无人机辅助的任务卸载模型，定义系统总开销，包括系统总时延和能耗；其中，系统总时延包括：本地任务处理时延，D2D链路任务传输时延，F-ID任务处理时延，G2A链路任务传输时延，任务排队时延以及无人机的任务处理时延；系统总能耗包括：本地任务处理能耗，D2D链路任务传输能耗，F-ID任务处理能耗，G2A链路任务传输能耗，无人机的任务处理能耗以及无人机的飞行能耗。
可选的，在所述步骤S3中，根据R-ID不同应用的延迟与传输速率需求，设定不同的延迟与能耗权重参数，即：
Figure BDA0002609952480000031
其中，
Figure BDA0002609952480000032
表示系统总时延对应的权重参数，
Figure BDA0002609952480000033
表示系统总能耗对应的权重参数，且满足
Figure BDA0002609952480000034
本发明的有益效果在于：本发明中，用户任务可通过D2D链路卸载，也可以通过G2A链路卸载。本方案联合优化无人机轨迹，通信资源分配，任务卸载比例的同时有效地降低了系统总开销。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为雾网络中基于无人机辅助的任务卸载模型图；
图2为雾网络中基于无人机辅助的任务卸载流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
图1描述了一种雾网络中基于无人机辅助的任务卸载模型图。包括一个无人机以及M个D2D群组。假设无人机和R-ID之间采用非正交多址接入，避免产生干扰。
设R-ID m有计算密集型任务Lm，Lm以bit为单位测量输入数据的大小。假设将Lm的一部分αm∈[0,1]卸载至F-ID x中进行计算，将Lm的一部分βm∈[0,1]卸载至无人机进行计算，然后，将Lm的剩余部分(1-αm-βm)∈[0,1]在本地进行计算。
在本发明中，将服务质量效用定义为Um,m∈[1,...,M]，表示R-ID m的收益减去其卸载任务时所产生的能耗的费用，表示为：
Figure BDA0002609952480000041
其中，Rm,x表示IDm请求获得的计算资源，Pm,x表示IDm获得1比特计算资源需要支付的价格。
服务质量成本是通过服务延迟来衡量，包括计算任务从R-IDm卸载至F-IDx的传输时延以及在F-IDx上处理任务的处理时延，表示为：
Figure BDA0002609952480000042
因此，R-ID m的效率指标函数为：
Figure BDA0002609952480000043
其中，
Figure BDA0002609952480000044
根据ηm,x，由小到大列出
Figure BDA0002609952480000045
R-ID m选择ηm,1所对应的F-ID x进行卸载。
1.通信模型
在时隙q，无人机的坐标为：Zn(q)＝[xn(q),yn(q),hn(q)]；R-ID m的坐标为:Zm(q)＝[xm(q),ym(q),0]，F-ID x的坐标为：Zd(q)＝[xd(q),yd(q),0]，需要注意的是，无人机的高度hn(q)为固定值。
设无人机的速度为Vn(q)，加速度为an(q)，根据无人机的位置信息，可得出：
Figure BDA0002609952480000051
Figure BDA0002609952480000052
其中，Zn(q+1)＝[xn(q)+vn(q)Δcos(θ(q)),yn(q)+vn(q)Δsin(θ(q)),hn(q)]，θ(q)∈[0,2π]表示无人机在第q时隙的飞行方向。
根据3GPP技术报告，从R-ID m到无人机的路径损耗为：
Figure BDA0002609952480000053
因此，R-ID m将计算任务卸载到无人机的上行链路速率为：
Figure BDA0002609952480000054
其中，BU表示上行链路带宽，PU表示发射功率，σn表示噪声功率。
R-ID m将计算任务卸载至F-ID x时，从R-ID m到F-ID x的路径损耗为：
Figure BDA0002609952480000055
其中，βref,n＝10-5.84和βref,d＝10-15.3代表参考距离dref＝1米时的接收功率。
因此，R-ID m将计算任务卸载至F-ID x的上行链路速率为：
Figure BDA0002609952480000056
其中，BD表示上行链路带宽，PD表示发射功率，σn表示噪声功率。
2.计算模型
假设R-ID m设备的CPU计算速率为fL cycle/s；F-ID x的CPU计算速率为fD cycle/s；无人机的CPU计算速率为fUcycle/s；设Ck(cycle/bit)表示计算1bit数据所需要的CPU转数。R-ID m的计算任务在本地执行时，设本地计算执行时延为
Figure BDA00026099524800000510
则：
Figure BDA0002609952480000057
设本地计算能耗为
Figure BDA0002609952480000058
则：
Figure BDA0002609952480000059
ID m的计算任务卸载至F-ID x时，设上行链路的传输时延为
Figure BDA0002609952480000061
则：
Figure BDA0002609952480000062
设在F-ID x处的传输能耗为
Figure BDA0002609952480000063
则：
Figure BDA0002609952480000064
设在F-ID x处计算任务的处理时延为
Figure BDA0002609952480000065
则：
Figure BDA0002609952480000066
设计算任务的处理能耗为
Figure BDA0002609952480000067
则：
Figure BDA0002609952480000068
ID m的计算任务卸载至无人机时，设上行链路的传输时延为
Figure BDA0002609952480000069
则：
Figure BDA00026099524800000610
设传输能耗为
Figure BDA00026099524800000611
则：
Figure BDA00026099524800000612
假设卸载至无人机的任务遵循泊松过程，平均到达率为λm(比特/秒)，设队列的数据传输速率为μm(比特/秒)，将R-ID m到无人机的计算任务卸载模型建模为M/M/1的排队模型，数据的传输时间遵循
Figure BDA00026099524800000613
的指数分布。因此，R-ID m的排队时延为：
Figure BDA00026099524800000614
其中，为保证队列的稳定性，
Figure BDA00026099524800000615
设计算任务在无人机中的处理时延为
Figure BDA00026099524800000616
则：
Figure BDA00026099524800000617
处理能耗为：
Figure BDA00026099524800000618
无人机的能耗主要由推动能耗和计算能耗组成，而推动能耗远大于计算能耗，在时隙q,以速度Vn(q)，加速度为
Figure BDA00026099524800000620
飞行，设它的推进能耗为
Figure BDA00026099524800000621
则：
Figure BDA00026099524800000619
因此，在时隙q，设系统总延迟为TTotal(q)，则：
Figure BDA0002609952480000071
设统总能耗为ETotal(q)，则：
Figure BDA0002609952480000072
由于计算任务的处理结果比输入数据大小小得多，因此，返回的时延和能耗忽略不计。
表1 R-ID m的不同应用的延迟与传输速率需求
应用 延迟 传输速率
实时数据 0.1 <10
图像 1 2<sup>-10</sup>
音频 0.25 0.064
未压缩视频 0.25 100
压缩视频 0.3 2<sup>-10</sup>
由于R-ID m的不同应用对时延和能耗的需求不同，因此，可以根据不同应用的需求制定权重参数，即：
Figure BDA0002609952480000073
其中，
Figure BDA0002609952480000075
和
Figure BDA0002609952480000076
分别表示R-ID m的延迟和能量消耗的权重参数。
表1表示R-ID m的不同应用的延迟与传输速率需求。由于传输能耗和传输速率耦合，因此，根据表1，可列出R-ID m对时延和能耗的偏好，其中，Y1-Y4表示偏好的优先级，Y1表示较弱偏好，Y2表示弱偏好，Y3表示强偏好。Y4表示较强偏好。如表2所示。
表2 R-ID m的不同应用的参数优先
Figure BDA0002609952480000074
Figure BDA0002609952480000081
对于R-ID m,存在一个成对比较矩阵Bm∈R2*2，矩阵Bm中每个元素bi,j代表应用的延迟和能耗的相对偏好，例如，对于实时数据任务，成对比较矩阵Bm为：
Figure BDA0002609952480000082
通过计算获得Bm的归一化矩阵为
Figure BDA0002609952480000083
即：
Figure BDA0002609952480000084
由归一化矩阵可以得到：
Figure BDA0002609952480000085
其中，
Figure BDA0002609952480000086
3.优化问题建模
本发明的优化目标为最小化系统总开销，同时联合优化无人机的轨迹、任务卸载比例以及通信资源分配。
Figure BDA0002609952480000087
其中：约束条件C1为R-ID m的发射功率约束，即R-ID m的发射功率不能超过其最大发射功率限制；C2,C3,C4分别为R-ID m，F-ID x，无人机的计算资源约束，它们的计算速率都不能超过最大的计算速率；C5为无人机总能耗约束，即无人机的计算能耗和推进能耗之和不能超过其最大能耗；C6，C7为任务卸载比例约束；C8，C9分别为无人机飞行速度和加速度约束。
其中，令TL(q)＝TD(q)＝TU(q),PU+PD＝Pmax,
Figure BDA0002609952480000097
可以解得R-ID m的卸载比例为：
Figure BDA0002609952480000091
Figure BDA0002609952480000092
其中，
Figure BDA0002609952480000093
Figure BDA0002609952480000094
且
Figure BDA0002609952480000095
由此，目标函数可以简化为：
Figure BDA0002609952480000096
s.t.C1-C9
由于产生的问题属于非凸优化问题，很难解决，因此采用逐次凸逼近(SCA)法求解优化变量
Figure BDA0002609952480000098
同时降低系统总开销。
图2为空地综合网络中无人机辅助雾计算的任务卸载流程图，具体步骤如下：
步骤201：算法初始化；
步骤202：将计算周期T分为Q个时隙，每个时隙长度为Δ秒；
步骤203：在第q时隙内，将无人机覆盖范围内的所有ID分为R-ID和F-ID；
步骤204：计算R-ID与F-ID之间的SINR，当SINR大于设置的阈值δ时，将R-ID与对应的F-ID划为一个D2D群组；
步骤205：根据R-ID不同应用对延迟和能耗的需求制定权重参数；
步骤206：分别计算任务卸载至F-ID x及卸载至无人机的卸载比例αm，βm，以及在本地处理的剩余部分比例(1-αm-βm)；
步骤207：计算效率指标函数值ηm,x，R-ID m选择ηm,1对应的F-ID x；
步骤208：R-ID m将Lmαm任务卸载至F-ID x进行处理；
步骤209：计算任务传输时延和能耗，以及执行时延和能耗；
步骤210：R-ID m将Lmβm任务卸载至无人机处理处理；
步骤211：根据无人机的位置信息，对无人机的飞行速度以及加速度，方向角进行约束并在优化系统总开销时联合优化无人机轨迹；
步骤212：计算任务传输时延和能耗，排队时延，执行时延和能耗以及无人机的飞行能耗；
步骤213：本地执行Lm(1-αm-βm)任务；
步骤214：计算任务的执行时延和能耗；
步骤215：构建系统总开销最小化方案，并解得最优解；
步骤216：结束。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：该方法包括以下步骤：
S1：地面网络中D2D任务卸载方案；
S2：空地网络中G2A任务卸载方案；
S3：系统总开销优化方案。
2.根据权利要求1所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S1中，建立一个地面网络D2D任务卸载模型，该模型由有需求的物联网设备R-ID和空闲物联网设备F-ID组成，设R-ID的集合为M，F-ID的集合为X。
3.根据权利要求1所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，将无人机看作是具有计算能力的边缘节点，即雾节点；在步骤S1的基础上，构建雾网络中无人机辅助的任务卸载模型；该模型第一层为地面网络，由R-ID和F-ID组成；第二层为空中网络，由无人机组成，为R-ID提供计算卸载服务。
4.根据权利要求3所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，设一个计算周期持续时间为T秒，将时间T分为Q个时隙；每个时隙长度为Δ秒，即T＝QΔ秒；无人机的轨迹在每个Δ时隙内大致固定，将计算周期离散化，确定每个Δ时隙内无人机的大致位置，然后通过离散点确定出无人机的轨迹；无人机沿着优化的轨迹飞行，并为其覆盖范围内的R-ID提供所需要的服务。
5.根据权利要求1所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S1中，R-ID m到F-ID x的信噪比SINR为：
Figure FDA0002609952470000011
M是集合，m代表M中的变量，X是集合，x代表X中的变量；
设阈值为δ,当γm,x≥δ时，将R-ID m和对应的F-ID x划为一个D2D群组，设在q时隙，每个R-ID或F-ID只能属于一个D2D群组。
6.根据权利要求3所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，R-ID m有计算密集型任务Lm，在本地执行，或通过D2D链路将部分任务卸载至同群组的F-ID x，或通过无线链路将部分计算任务卸载至无人机；假设任务Lm的αm∈[0,1]将卸载至F-ID x，βm∈[0,1]将卸载至无人机，(1-αm-βm)∈[0,1]将在本地进行计算；M是集合，m代表M中的变量，X是集合，x代表X中的变量。
7.根据权利要求6所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，对于R-ID m，定义效率指标函数ηm,x为：
Figure FDA0002609952470000021
其中，服务质量效用为R-ID m的收益减去其卸载任务的能耗成本，服务质量成本则是通过服务延迟来衡量。
8.根据权利要求7所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，在获得同样的收益时，R-ID m支付的能耗和时延成本越小，则效率指标函数值ηm,x越大；根据ηm,x的值，由大到小列出R-ID m的偏好列表，
Figure FDA0002609952470000022
R-ID m选择ηm,1，并将计算任务卸载到对应的F-ID x中执行。
9.根据权利要求6所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S2中，根据构建的雾网络中基于无人机辅助的任务卸载模型，定义系统总开销，包括系统总时延和能耗；其中，系统总时延包括：本地任务处理时延，D2D链路任务传输时延，F-ID任务处理时延，G2A链路任务传输时延，任务排队时延以及无人机的任务处理时延；系统总能耗包括：本地任务处理能耗，D2D链路任务传输能耗，F-ID任务处理能耗，G2A链路任务传输能耗，无人机的任务处理能耗以及无人机的飞行能耗。
10.根据权利要求9所述的一种雾网络中基于无人机辅助的任务卸载方法，其特征在于：在所述步骤S3中，根据R-ID不同应用的延迟与传输速率需求，设定不同的延迟与能耗权重参数，即：
Figure FDA0002609952470000023
其中，
Figure FDA0002609952470000024
表示系统总时延对应的权重参数，
Figure FDA0002609952470000025
表示系统总能耗对应的权重参数，且满足
Figure FDA0002609952470000026
CN202010750641.4A 2020-07-30 2020-07-30 一种雾网络中基于无人机辅助的任务卸载方法 Active CN111757361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010750641.4A CN111757361B (zh) 2020-07-30 2020-07-30 一种雾网络中基于无人机辅助的任务卸载方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010750641.4A CN111757361B (zh) 2020-07-30 2020-07-30 一种雾网络中基于无人机辅助的任务卸载方法

Publications (2)

Publication Number Publication Date
CN111757361A true CN111757361A (zh) 2020-10-09
CN111757361B CN111757361B (zh) 2022-04-22

Family

ID=72712200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010750641.4A Active CN111757361B (zh) 2020-07-30 2020-07-30 一种雾网络中基于无人机辅助的任务卸载方法

Country Status (1)

Country Link
CN (1) CN111757361B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113014632A (zh) * 2021-02-19 2021-06-22 南京大学 一种支持工业互联网业务应用的d2d计算卸载方法
CN114630397A (zh) * 2022-03-01 2022-06-14 重庆邮电大学 一种基于时隙划分的无人机接入选择方法
CN115171433A (zh) * 2022-07-06 2022-10-11 吉林大学 一种车雾辅助无人机灾后救援任务卸载方法
CN115866559A (zh) * 2022-11-25 2023-03-28 西安电子科技大学 一种非正交多址接入辅助的车联网低能耗安全卸载方法
CN116301045A (zh) * 2023-03-21 2023-06-23 大连海事大学 一种面向时空约束网络的无人机数据采集任务分配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110098969A (zh) * 2019-05-21 2019-08-06 重庆邮电大学 一种面向物联网的雾计算任务卸载方法
CN110429973A (zh) * 2019-08-05 2019-11-08 西北工业大学 一种无人机与地面基站协同计算卸载及优化方法
CN110488868A (zh) * 2019-08-30 2019-11-22 哈尔滨工程大学 一种多无人机协助用户的移动卸载方法
CN111245878A (zh) * 2018-11-29 2020-06-05 天元瑞信通信技术股份有限公司 一种基于混合云计算和雾计算的计算卸载通信网络的方法
US20200221518A1 (en) * 2019-01-08 2020-07-09 Micron Technology, Inc. Methods and apparatus for routine based fog networking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111245878A (zh) * 2018-11-29 2020-06-05 天元瑞信通信技术股份有限公司 一种基于混合云计算和雾计算的计算卸载通信网络的方法
US20200221518A1 (en) * 2019-01-08 2020-07-09 Micron Technology, Inc. Methods and apparatus for routine based fog networking
CN110098969A (zh) * 2019-05-21 2019-08-06 重庆邮电大学 一种面向物联网的雾计算任务卸载方法
CN110429973A (zh) * 2019-08-05 2019-11-08 西北工业大学 一种无人机与地面基站协同计算卸载及优化方法
CN110488868A (zh) * 2019-08-30 2019-11-22 哈尔滨工程大学 一种多无人机协助用户的移动卸载方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YI ZHOU: "Analysis of Vehicle Network Architecture and Performance Optimization Based on Soft Definition of Integration of Cloud and Fog", 《IEEE ACCESS》 *
史雯隽等: "针对移动云计算任务迁移的快速高效调度算法", 《计算机科学》 *
唐琴琴等: "融合MEC的星地协同网络：架构、关键技术与挑战", 《通信学报》 *
范夏言: "基于MEC辅助的车辆编队任务卸载决策研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
马伟等: "基于雾计算的高速公路服务区内容访问技术研究", 《电子技术应用》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113014632A (zh) * 2021-02-19 2021-06-22 南京大学 一种支持工业互联网业务应用的d2d计算卸载方法
CN113014632B (zh) * 2021-02-19 2021-12-24 南京大学 一种支持工业互联网业务应用的d2d计算卸载方法
CN114630397A (zh) * 2022-03-01 2022-06-14 重庆邮电大学 一种基于时隙划分的无人机接入选择方法
CN114630397B (zh) * 2022-03-01 2023-10-27 深圳拓扑视通科技有限公司 一种基于时隙划分的无人机接入选择方法
CN115171433A (zh) * 2022-07-06 2022-10-11 吉林大学 一种车雾辅助无人机灾后救援任务卸载方法
CN115171433B (zh) * 2022-07-06 2023-08-08 吉林大学 一种车雾辅助无人机灾后救援任务卸载方法
CN115866559A (zh) * 2022-11-25 2023-03-28 西安电子科技大学 一种非正交多址接入辅助的车联网低能耗安全卸载方法
CN115866559B (zh) * 2022-11-25 2024-04-30 西安电子科技大学 一种非正交多址接入辅助的车联网低能耗安全卸载方法
CN116301045A (zh) * 2023-03-21 2023-06-23 大连海事大学 一种面向时空约束网络的无人机数据采集任务分配方法
CN116301045B (zh) * 2023-03-21 2024-04-12 大连海事大学 一种面向时空约束网络的无人机数据采集任务分配方法

Also Published As

Publication number Publication date
CN111757361B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN111757361B (zh) 一种雾网络中基于无人机辅助的任务卸载方法
CN111586696B (zh) 一种基于多智能体架构强化学习的资源分配及卸载决策方法
CN110098969B (zh) 一种面向物联网的雾计算任务卸载方法
CN111240701B (zh) 一种端-边-云协同计算的任务卸载优化方法
CN107995660B (zh) 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法
CN110087318B (zh) 基于5g移动边缘计算的任务卸载和资源分配联合优化方法
CN108809695B (zh) 一种面向移动边缘计算的分布上行链路卸载策略
CN109151864B (zh) 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
Dai et al. Joint offloading and resource allocation in vehicular edge computing and networks
CN110489176B (zh) 一种基于装箱问题的多接入边缘计算任务卸载方法
CN111132191A (zh) 移动边缘计算服务器联合任务卸载、缓存及资源分配方法
CN110868700B (zh) 车载边缘计算环境下基于可分裂任务的协作计算卸载方法
CN111629443B (zh) 用于超5g车联网中的动态频谱切片框架的优化方法及系统
CN114637608B (zh) 一种计算任务分配和更新方法、终端及网络设备
CN114650567B (zh) 一种无人机辅助v2i网络任务卸载方法
CN112040512B (zh) 一种基于公平的雾计算任务卸载方法及系统
CN114866979A (zh) 一种无人机辅助的边缘计算时延最小化方法
Chen et al. Energy efficient resource allocation and trajectory optimization in UAV-assisted mobile edge computing system
Yan et al. Fairness-aware data offloading of IoT applications enabled by heterogeneous UAVs
CN116737391A (zh) 一种联邦模式下基于混合策略的边缘计算协作方法
CN113627013A (zh) 基于无人机二元卸载边缘计算的系统吞吐量最大化方法
CN111930435A (zh) 一种基于pd-bpso技术的任务卸载决策方法
CN115134370B (zh) 一种多无人机辅助的移动边缘计算卸载方法
CN115967430A (zh) 一种基于深度强化学习的成本最优空地网络任务卸载方法
CN114828047A (zh) 一种5g移动边缘计算环境中多智能体协同计算卸载方法

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
GR01 Patent grant
GR01 Patent grant