CN114007231B - 异构无人机数据卸载方法、装置、电子设备及存储介质 - Google Patents

异构无人机数据卸载方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114007231B
CN114007231B CN202111424350.7A CN202111424350A CN114007231B CN 114007231 B CN114007231 B CN 114007231B CN 202111424350 A CN202111424350 A CN 202111424350A CN 114007231 B CN114007231 B CN 114007231B
Authority
CN
China
Prior art keywords
unmanned aerial
data
aerial vehicle
user
model
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.)
Active
Application number
CN202111424350.7A
Other languages
English (en)
Other versions
CN114007231A (zh
Inventor
包卫东
闫辉
朱晓敏
王吉
吴冠霖
张雄涛
张大宇
周敬轩
钟正仪
何高宇
张亮
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202111424350.7A priority Critical patent/CN114007231B/zh
Publication of CN114007231A publication Critical patent/CN114007231A/zh
Application granted granted Critical
Publication of CN114007231B publication Critical patent/CN114007231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/75—Information technology; Communication
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/535—Allocation or scheduling criteria for wireless resources based on resource usage policies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Accounting & Taxation (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种异构无人机数据卸载方法、装置、电子设备及存储介质，应用于无人机调度系统，无人机调度系统包括基站、多个无人机和多个用户。该方法包括：构建与无人机调度系统对应的调度模型；响应于无人机到达无人机调度系统中的基站，基站获取无人机的数据信息；根据调度模型和数据信息，基站得到最优调度策略，并将最优调度策略发送至无人机，以使无人机根据接收到的最优调度策略执行数据卸载任务。动态估计用户数据到达率、更新用户数据队列长度、生成无人机的最优调度策略，以满足不同用户的需求，同时提高无人机的能效。

Description

异构无人机数据卸载方法、装置、电子设备及存储介质
技术领域
本申请涉及无线通信技术领域，尤其涉及一种异构无人机数据卸载方法、装置、电子设备及存储介质。
背景技术
随着物联网应用范围的不断扩大，越来越多缺乏无线通信网络覆盖的物联网场景有了数据卸载的需求，如森林火灾探测、智慧农场监控、灾害应急救援等许多原因可能导致这些场景缺乏无线通信网络覆盖，包括节省经济成本、自然灾害的影响以及对无线通信基站的恶意破坏。对于这些场景，无线通信网络的缺乏意味着这些区域的数据卸载是不可达的。由于无人机可以跨区域移动，弥补了无线通信网络丢失带来的通信空白，此外，无人机的使用成本较低，可以按需部署在此类场景中，具有很高的经济效益。
无人机支持的有限通信网络数据卸载具有受地理环境限制较少、使用方式灵活、通信范围广、经济效益高等优点。而对于无人机数据卸载给传统数据卸载带来了许多新的挑战。首先，对于一个区域内的不同用户，由于其传感器特性的不同，生成的数据格式往往不同，这就不可避免地导致用户数据大小的异构性。同时，由于不同用户的任务需求不同，不同用户的数据生成频率自然是异构的。即使对于同一个用户，用户数据生成的频率也是时变的，而不是一直稳定的，这进一步加剧了用户数据的异构性。其次，无人机数据卸载系统通常由异构无人机组成，这意味着不同的无人机具有不同的飞行速度、能量容量、存储容量等，尤其是无人机的能量容量对无人机的任务持续时间起着决定性的作用。如果任务分配忽略了全局视角下的能量平衡，很可能会进一步导致异构无人机数据卸载系统的性能下降。由于无线通信网络覆盖不足，系统状态信息无法从用户实时传递到边缘，即只有无人机为用户提供服务时才能获取用户状态。由于一架无人机在返回边缘之前通常需要服务于不同地理位置的多个用户，导致在边缘更新用户状态存在很大的延时和不确定性。无人机越早为用户服务，用户状态更新的时延和不确定性就越大。
发明内容
有鉴于此，本申请的目的在于提出一种异构无人机数据卸载方法、装置、电子设备及存储介质，用以解决或部分解决上述技术问题。
基于上述目的，本申请的第一方面提供了一种异构无人机数据卸载方法，应用于无人机调度系统，所述系统包括基站、多个无人机和多个用户；所述方法由所述基站执行，包括：
根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
响应于任一所述无人机到达，获取所述无人机的数据信息；
根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务。
本申请的第二方面提供了一种异构无人机数据卸载装置，包括：
调度模型构建模块，被配置为根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
数据信息获取模块，被配置为响应于任一所述无人机到达，获取所述无人机的数据信息；
最优调度策略获取发送模块，被配置为根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务。
本申请的第三方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第一方面所述的方法。
本申请的第四方面提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行第一方面所述方法。
从上面所述可以看出，本申请提供的异构无人机数据卸载方法及电子设备，通过将无人机调度系统建模形成多目标优化模型，再将多目标优化模型转化为单目标进行优化，动态估计用户数据到达率、更新用户数据队列长度、生成无人机的最优调度策略，以满足不同用户的需求，同时提高无人机的能效。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一个实施例的异构无人机数据卸载方法的流程图；
图2为本申请实施例的无人机调度系统和调度模型的示意图；
图3为本申请实施例的异构无人机数据卸载装置的结构示意图；
图4为本申请实施例的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
相关技术中，通过同时优化无人机轨迹、用户传输功率和计算负载分配来最大化无人机能效，或者采用信息年龄作为量化目的节点信息新鲜度的指标，优化无人机的飞行轨迹以及数据传输的能量和服务时间分配等方式在进行数据卸载时实现节省能效和降低延迟的效果，但这些方式并不适用于大规模移动用户的有限通信环境，因为这些方式只考虑了一架无人机，由于无人机的电池容量和存储容量不足，单架无人机能够服务的用户和持续时间非常有限。
另外，相关技术中还通过多个无人机部署为边缘服务器，为地面用户提供计算帮助，充分考虑了多架无人机部署与任务调度之间的相关性的同时，使得任务卸载的能耗大大降低，或者在保证覆盖约束和满足物联网节点服务质量的同时，利用深度强化学习实现负载均衡等方式对多无人机协同数据卸载进行优化，然而，这些方式不能满足现实中的不确定用户状态信息和异构无人机能力的情况。
本申请的实施例提供一种异构无人机数据卸载方法，在不确定环境下进行动态估计用户数据到达率、更新用户数据队列长度、生成无人机的最优调度策略，以满足不同用户的需求。
如图1、图2所示，本实施例的方法应用于无人机调度系统，应用于无人机调度系统，所述系统包括基站、多个无人机和多个用户；所述方法由所述基站执行，包括：
步骤101，根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
在该步骤中，无人机调度系统是不确定用户状态信息和异构无人机能力的动态现实场景，在这种动态现实场景中，有许多用户随机放置在一个区域，这些用户可以是摄像头、机器人、传感器、平板电脑、手机等，并且无线通信网络覆盖不足，只有一个基站，并配备多架无人机，基站离用户很远，可用通信覆盖区域未覆盖区域中的用户。
其中，动态现实场景为对于一个区域内的不同用户，由于传感器特性的不同，生成的数据格式往往不同，这就不可避免地造成用户数据大小的异构性，同时，由于不同用户的任务需求不同，不同用户的数据生成频率自然是异构的，即使对于同一个用户，用户生成的频率也是实时变化的，不是一直稳定的，这就进一步加剧了用户数据的异构型。其次，在数据卸载场景中，使用的无人机通常由异构无人机组成，异构无人机指不同的无人机具有不同的飞行速度、能量容量、存储容量等。由于无线通信网络覆盖不足，只有无人机为用户提供服务时才能获取用户状态，由于一架无人机在返回基站之前通常需要服务于不同地理位置的多个用户，导致在基站更新用户状态存在很大的时延和不确定性。
步骤102，响应于任一所述无人机到达，获取所述无人机的数据信息；
在该步骤中，当无人机返回基站时，将无人机收集到的数据信息卸载到直接隶属于基站的高性能存储单元。
其中，基站从无人机中获取的数据信息包括用户生成的数据、用户状态信息和无人机状态信息。
步骤103，根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务。
在该步骤中，基于调度模型，经过基站对获取的数据信息进行评估，为无人机生成新的调度策略，根据调度策略，无人机执行下一轮数据采集。
其中，新的调度策略为能够满足不确定用户状态信息和异构无人机能力的动态现实场景以及综合考虑无人机的异构能力的最优调度策略。
通过上述方案，通过构建与无人机调度系统对应的调度模型，再根据调度模型和从无人机中获取的数据信息，动态估计用户状态和数据生成速率，综合考虑无人机的异构能力，获取无人机数据卸载的最优调度策略，考虑了不确定性大的异步更新用户状态等信息，适用于不确定环境的数据卸载，满足不同用户的需求，同时提高无人机的能效。
在一些实施例中，步骤101之后，还包括：
基于所述调度模型构建用户模型、无人机模型、数据队列模型、用户筛选模型、无人机轨迹模型和能源消耗模型；
基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型。
在该步骤中，基于调度模型以及用户模型、无人机模型、数据队列模型、用户筛选模型、无人机轨迹模型和能源消耗模型，通过这些模型构建多目标优化模型，将异构无人机数据卸载转化成多目标优化模型。
在一些实施例中，所述基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型之后，还包括：
基于所述多目标优化模型转化为单目标优化；
基于所述数据信息，执行所述单目标优化，得到所述最优调度策略。
在该步骤中，多目标优化模型在进行优化过程中，需要的数据规模相对较大，不能直接获得优化解，基于获取的数据信息，通过将差分进化和目标逼近相结合的方法将多目标模型转化为单目标优化，在进化和迭代的过程中，动态地获取最优调度策略。
在一些实施例中，所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型的表达为：
用户模型：
Vu＝{v1，v2，…，vm}
V＝Vu∪v0
vi＝(li，ai，qi)
di，j＝||li-lj||2
D＝{di，j|vi，vj∈V}
其中，用m表示为所述用户的个数；Vu表示为所述用户集；v0表示为基站；V表示为所述数据卸载系统包含所述基站的用户集；vi表示为所述每个用户的建模；li表示为所述用户vi的位置；ai表示为所述用户vi的数据到达率；qi表示为所述用户vi的数据队列长度；lj所述用户表示为所述用户vj的位置；di，j表示为所述用户vi和所述用户vj之间的最短路径；D表示为所述用户之间的距离集合；
无人机模型：
U＝{u1，u2，…，un}
uj＝(sj，dj，rj，cj，ej，pj，τj)
ri，j＝Blog2(1+SNRi，j)
rj＝{ri，j|vi∈V}
其中，n表示为所述无人机的数量；U表示为所述无人机集合；uj表示为所述每个无人机的模型；sj、dj、rj、cj、ej、pj和τj分别表示为所述每个无人机uj的飞行速度、出发时间、数据传输速率、存储容量、当前能量、能耗功率和任务轨迹；ri，j表示为从所述用户vi到所述无人机uj的数据传输速率；B表示为上行信道带宽；SNRi，j表示为所述信道从所述用户vi到所述无人机uj的信噪比；rj表示为对于无人机的数据传输速率；ej表示为所述uj在当前时间的剩余能量容量；/>表示为所述无人机uj的最大能量容量；μj表示为无人机能量紧急度；
数据队列模型：
其中，Δti，j表示为数据卸载的服务持续时间；表示为数据卸载服务的开始时间；/>表示为数据卸载服务的结束时间；/>表示为所述无人机的数据到达率的估计值；表示为数据卸载开始时所述用户vi的数据队列长度；/>表示为数据卸载结束时所述用户vi的数据队列长度；θi,j表示为所述用户vi的数据总量；α(Δti,j)表示为可变尺度平滑常数；lgΔti,j表示为衡量数据到达率的可参考性；γ表示为基本平滑常数；/>表示为更新的估计数据到达率；/>表示用户数据到达率的初始值被设置为0；/>表示为数据队列长度的预测值；/>表示为数据卸载结束时用户vi的数据队列长度；dj表示为uj的下一个离开时间；/>表示为数据卸载服务的结束时间；/>表示为用户vi预计要卸载给除uj以外的无人机的数据总量；/>表示为用户数据队列的最大容量；ρi表示为数据队列的紧急度；
用户筛选模型：
η,0＜η＜1
其中，φi表示为筛选器指示器，用于识别迫切需要数据卸载的用户；表示为所有用户的最大数据到达率；/>表示为根据所述筛选器指示器φi的筛选指标将需要数据卸载的用户紧急程度根据大到小重新排序组成的用户集；η表示为筛选率；Vt表示为目标用户集合；/>表示为待优化的目标用户；
无人机轨迹模型：
其中，xi,j表示为映射指示符，xi,j＝1表示为所述无人机uj向所述用户vi提供数据卸载服务，xi,j＝0表示为所述无人机uj未向所述用户vi提供数据卸载服务；表示为子轨迹；/>表示为子轨迹形成的环的总长度；/>表示为/>中的元素个数；π(k)表示为对应于/>中第k个元素的V中用户的下标；/>表示为新的子轨迹；/>表示为最短轨迹长度；
能源消耗模型：
其中，表示为所述无人机飞行引起的能量消耗；sj表示为所述无人机uj的飞行速度；/>表示为所述无人机uj的飞行能耗功率；/>表示为所述无人机悬停引起的能量消耗；θi,j表示为所述用户vi预计卸载到所述无人机uj的数据量；ri,j表示为所述用户vi到所述无人机uj的数据传输速率；/>表示为所述无人机uj的悬停能耗功率，Ej表示为总能量消耗。
在该步骤中，通过用户模型、无人机模型、数据队列模型、用户筛选模型、无人机轨迹模型和能源消耗模型将异构无人机数据卸载具体化。
在一些实施例中，所述多目标优化模型包括多个目标和多个约束；
所述多个目标包括：
其中，表示为使用户数据队列的平均紧急程度最小；/>表示为保持无人机能量的平均紧迫性最小；
表示为使无人机的存储利用率最大；
所述多个约束包括：
0≤θi,j
xi,j∈{0,1}
其中，表示为调度策略不超出用户数据队列；表示为限制所述无人机的预期剩余能量；/>表示为所述无人机收集的数据总量不超出存储容量；0≤θi,j表示为每个所述用户的数据卸载量的数值为正数；xi,j∈{0,1}表示为指定分配指示器的范围。
在该步骤中，将异构无人机数据卸载建模为多目标优化模型，使得生成的由无人机任务轨迹和用户数据卸载量组成的调度策略，使每个用户数据队列的紧急程度和无人机能量的紧急程度最低、无人机的存储利用率最大，同时，多目标优化模型限制了调度策略，避免超出用户数据队列的最大容量，当无人机的能量低于其临界阈值，无人机无法执行任务，因此多目标优化模型也对无人机的预期剩余能量进行了限制，另外，还限制了无人机收集的数据总量不能超过存储容量的上限、每个用户的数据卸载量为正数以及分配指示器的范围。
在一些实施例中，基于所述多目标优化模型转化为单目标优化，具体包括：
通过所述多目标优化模型的所述多个目标形成为总体目标函数，包括：
其中，和/>表示所述多目标优化模型的所述多个目标；F表示为总体目标函数；I表示为调度策略的数量；
对所述总体目标进行优化，获取最佳理想目标和最差理想目标，包括：
Fb＝(||F(：，1)||-∞，||F(：，2)||-∞，||F(：，3)||-∞)
Fw＝(||F(：，1)||∞，||F(：，2)||∞，||F(：；3)||∞)
其中，Fb表示为最佳理想目标；Fw表示为最差理想目标；F(：，j)表示为F的第j列；||F(：，j)|-∞表示为F(：，j)的负无穷范数；
基于所述最佳理想目标和所述最差理想目标获取最佳目标相似度和最差目标相似度，包括：
其中，表示为最佳目标相似度；/>表示为最差目标相似度；
基于所述最佳目标相似度和所述最差目标相似度获取单个调度策略的优越性，包括：
其中，表示为单个调度策略的优越性。
在该步骤中，将多目标优化模型中的多个目标形成总体目标函数，对总体目标函数进行优化，获取多个目标中的最佳理想目标和最差理想目标，根据最佳理想目标和最差理想目标获取最佳目标相似度和最差目标相似度，再根据述最佳目标相似度和最差目标相似度获取单个调度策略的优越性，最终，根据单个调度策略的优越性得到最优调度策略，从而实现将多目标优化模型转化为单目标优化，能够在不需要大量的数据的情况下，直接获得优化解。
在一些实施例中，基于所述数据信息，执行所述单目标优化，得到所述最优调度策略，具体包括：
基于所述数据信息，更新所述用户数据到达率，并预测每个所述用户的所述数据队列长度，对目标用户进行筛选，得到所述目标用户集合；
响应于输入所述目标用户集合、所述调度策略数量、所述目标用户集合数量和迭代次数，进一步得到所述最佳理想目标和所述最差理想目标；
基于所述最佳理想目标、所述最差理想目标和所述单个调度策略的优越性，获得全部所述调度策略的初始调度策略；
对每个所述初始调度策略进行迭代更新，以得到所述最优调度策略。
在该步骤中，基于数据信息，通过差分进化的动态目标近似算法，执行所述单目标优化过程，获取最优调度策略。当任一无人机到达基站，差分进化的动态目标近似算法依次执行更新用户状态信息、筛选目标用户和生成最优调度策略。
其中，当调度策略违反一个或多个多目标优化模型中的任一一个约束时，单个调度策略的优越性被设置为0，在迭代进化的过程中，单个调度策略的优越性被利用来评价调度策略本身和此调度策略经迭代进化产生的新的调度策略的优越性，具有较小单个调度策略的优越性的调度策略将被淘汰。
其中，数据信息通过基站的数据接收器进行收集，并将其存储在边缘数据库中，通过各种功能单元进行数据分析处理，功能单元包括数据接收器、数据分析器、无人机评估器、策略生成器、策略分配器和参数更新器，数据分析器从边缘数据库读取用户信息，通过将对无人机的短期评估与系统中的综合评估相结合，估计用户在无人机任务期间的数据到达率，基于估计的数据到达率，由数据分析器进一步预测所有用户的数据队列长度。无人机评估器从边缘数据库读取无人机状态信息，评估无人机的整体性能。策略生成器以数据队列长度、用户拓扑和无人机性能为输入，输出最优调度策略。策略分配器负责将生成的最优调度策略分配给相应的无人机。其中最优调度策略由两部分组成，包括无人机的飞行轨迹和为每个用户提供数据卸载服务的无人机体积。策略分配器将最优调度策略分配给无人机后，参数更新器根据最优调度策略更新数据队列优先级和无人机整体性能的预测值。
需要说明的是，本申请实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是，上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种异构无人机数据卸载装置。
参考图3，所述异构无人机数据卸载装置，包括：
调度模型构建模块301，被配置为根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
数据信息获取模块302，被配置为响应于任一所述无人机到达，获取所述无人机的数据信息；
最优调度策略获取发送模块303，被配置为根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务。
在一些实施例中，所述异构无人机数据卸载装置，还包括多目标优化模型构建模块，被配置为在根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型之后：
基于所述调度模型构建用户模型、无人机模型、数据队列模型、用户筛选模型、无人机轨迹模型和能源消耗模型；
基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型。
在一些实施例中，所述异构无人机数据卸载装置，还包括单目标转化模块和单目标优化模块，被配置为在基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型之后：
基于所述多目标优化模型转化为单目标优化；
基于所述数据信息，执行所述单目标优化，得到所述最优调度策略。
在一些实施例中，所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型的表达为：
用户模型：
Vu＝{v1,v2,…,vm}
V＝Vu∪v0
vi＝(li,ai,qi)
di,j＝||li-lj||2
D＝{di,j∣vi,vj∈V}
其中，用m表示为所述用户的个数；Vu表示为所述用户集；v0表示为基站；V表示为所述数据卸载系统包含所述基站的用户集；vi表示为所述每个用户的建模；li表示为所述用户vi的位置；ai表示为所述用户vi的数据到达率；qi表示为所述用户vi的数据队列长度；lj所述用户表示为所述用户vj的位置；di，j表示为所述用户vi和所述用户vj之间的最短路径；D表示为所述用户之间的距离集合；
无人机模型：
U＝{u1，u2，…，un}
uj＝(sj，dj，rj，cj，ej，pj，τj)
ri，j＝Blog2(1+SNRi，j)
rj＝{ri，j|vi∈V}
其中，n表示为所述无人机的数量；U表示为所述无人机集合；uj表示为所述每个无人机的模型；sj、dj、rj、cj、ej、pj和τj分别表示为所述每个无人机uj的飞行速度、出发时间、数据传输速率、存储容量、当前能量、能耗功率和任务轨迹；ri，j表示为从所述用户vi到所述无人机uj的数据传输速率；B表示为上行信道带宽；SNRi，j表示为所述信道从所述用户vi到所述无人机uj的信噪比；rj表示为对于无人机的数据传输速率；ej表示为所述uj在当前时间的剩余能量容量；/>表示为所述无人机uj的最大能量容量；μj表示为无人机能量紧急度；
数据队列模型：
其中，Δti，j表示为数据卸载的服务持续时间；表示为数据卸载服务的开始时间；/>表示为数据卸载服务的结束时间；/>表示为所述无人机的数据到达率的估计值；表示为数据卸载开始时所述用户vi的数据队列长度；/>表示为数据卸载结束时所述用户vi的数据队列长度；θi,j表示为所述用户vi的数据总量；α(Δti,j)表示为可变尺度平滑常数；lgΔti,j表示为衡量数据到达率的可参考性；γ表示为基本平滑常数；/>表示为更新的估计数据到达率；/>表示用户数据到达率的初始值被设置为0；/>表示为数据队列长度的预测值；/>表示为数据卸载结束时用户vi的数据队列长度；dj表示为uj的下一个离开时间；/>表示为数据卸载服务的结束时间；/>表示为用户vi预计要卸载给除uj以外的无人机的数据总量；/>表示为用户数据队列的最大容量；ρi表示为数据队列的紧急度；
用户筛选模型：
η,0＜η＜1
其中，φi表示为筛选器指示器，用于识别迫切需要数据卸载的用户；表示为所有用户的最大数据到达率；/>表示为根据所述筛选器指示器φi的筛选指标将需要数据卸载的用户紧急程度根据大到小重新排序组成的用户集；η表示为筛选率；Vt表示为目标用户集合；/>表示为待优化的目标用户；
无人机轨迹模型：
其中，xi,j表示为映射指示符，xi,j＝1表示为所述无人机uj向所述用户vi提供数据卸载服务，xi,j＝0表示为所述无人机uj未向所述用户vi提供数据卸载服务；表示为子轨迹；/>表示为子轨迹形成的环的总长度；/>表示为/>中的元素个数；π(k)表示为对应于/>中第k个元素的V中用户的下标；/>表示为新的子轨迹；/>表示为最短轨迹长度；
能源消耗模型：
其中，表示为所述无人机飞行引起的能量消耗；sj表示为所述无人机uj的飞行速度；/>表示为所述无人机uj的飞行能耗功率；/>表示为所述无人机悬停引起的能量消耗；θi,j表示为所述用户vi预计卸载到所述无人机uj的数据量；ri,j表示为所述用户vi到所述无人机uj的数据传输速率；/>表示为所述无人机uj的悬停能耗功率，Ej表示为总能量消耗。
在一些实施例中，所述多目标优化模型包括多个目标和多个约束；
所述多个目标包括：
其中，表示为使用户数据队列的平均紧急程度最小；/>表示为保持无人机能量的平均紧迫性最小；表示为使无人机的存储利用率最大；
所述多个约束包括：
/>
0≤θi,j
xi,j∈{0,1}
其中，表示为调度策略不超出用户数据队列；表示为限制所述无人机的预期剩余能量；/>表示为所述无人机收集的数据总量不超出存储容量；0≤θi，j表示为每个所述用户的数据卸载量的数值为正数；xi，j∈{0，1}表示为指定分配指示器的范围。
在一些实施例中，单目标转化模块包括：
总体目标函数构建单元，被配置为通过所述多目标优化模型中的所述多个目标形成总体目标函数，包括：
其中，f1 (k)、和/>表示为所述多目标优化模型中的所述多个目标；F表示为总体目标函数；I表示为调度策略的数量；
总体目标函数优化单元，被配置为对所述总体目标进行优化，获取最佳理想目标和最差理想目标，包括：
Fb＝(||F(：，1)||-∞，||F(：，2)||-∞，||F(：，3)||-∞)
Fw＝(||F(：，1)||∞，||F(：，2)||∞，||F(：，3)||∞)
其中，Fb表示为最佳理想目标；Fw表示为最差理想目标；F(：，j)表示为F的第j列；||F(：，j)||-∞表示为F(：，j)的负无穷范数；
目标函数相似度获取单元，被配置为基于所述最佳理想目标和所述最差理想目标获取最佳目标相似度和最差目标相似度，包括：
其中，表示为最佳目标相似度；/>表示为最差目标相似度；
优越性获取单元，被配置为基于所述最佳目标相似度和所述最差目标相似度获取单个调度策略的优越性，包括：
其中，表示为单个调度策略的优越性。
在一些实施例中，单目标优化模块包括：
目标用户筛选单元，被配置为基于所述数据信息，更新所述用户数据到达率，并预测每个所述用户的所述数据队列长度，对目标用户进行筛选，得到所述目标用户集合；
理想目标获取单元，被配置为响应于输入所述目标用户集合、所述调度策略数量、所述目标用户集合数量和迭代次数，进一步得到所述最佳理想目标和所述最差理想目标；
初始调度策略获取单元，被配置为基于所述最佳理想目标、所述最差理想目标和所述单个调度策略的优越性，获得全部所述调度策略的初始调度策略；
迭代更新单元，对每个所述初始调度策略进行迭代更新，以得到所述最优调度策略。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的异构无人机数据卸载方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上任意一实施例所述的异构无人机数据卸载方法。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(RandomAccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的异构无人机数据卸载方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
基于同一发明构思，与上述任意实施例方法相对应的，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的异构无人机数据卸载方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的异构无人机数据卸载方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请的范围(包括权利要求)被限于这些例子；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本申请实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本申请实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本申请的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种异构无人机数据卸载方法，其特征在于，应用于无人机调度系统，所述系统包括基站、多个无人机和多个用户；所述方法由所述基站执行，包括：
根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
响应于任一所述无人机到达，获取所述无人机的数据信息；
根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务；
根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型之后，还包括：
基于所述调度模型构建用户模型、无人机模型、数据队列模型、用户筛选模型、无人机轨迹模型和能源消耗模型；
基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型；
所述基于所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型构建多目标优化模型之后，还包括：
基于所述多目标优化模型转化为单目标优化；
基于所述数据信息，执行所述单目标优化，得到所述最优调度策略；
所述用户模型、所述无人机模型、所述数据队列模型、所述用户筛选模型、所述无人机轨迹模型和所述能源消耗模型的表达为：
用户模型：
Vu＝{v1,v2,…,vm}
V＝Vu∪v0
vi＝(li,ai,qi)
di,j＝‖li-lj‖2
D＝{di,j∣vi,vj∈V}
其中，用m表示为所述用户的个数；Vu表示为所述用户集；v0表示为基站；V表示为所述数据卸载系统包含所述基站的用户集；vi表示为所述用户的建模；li表示为所述用户vi的位置；ai表示为所述用户vi的数据到达率；qi表示为所述用户vi的数据队列长度；Ij所述用户表示为所述用户vj的位置；di，j表示为所述用户vi和所述用户vj之间的最短路径；D表示为所述用户之间的距离集合；
无人机模型：
U＝{u1,u2,…,un}
uj＝(sj,dj,rj,cj,ej,pj,τj)
ri,j＝Blog2(1+SNRi,j)
rj＝{ri,j∣vi∈V}
其中，n表示为所述无人机的数量；U表示为所述无人机集合；uj表示为所述每个无人机的模型；sj、dj、rj、cj、ej、pj和τj分别表示为所述每个无人机uj的飞行速度、出发时间、数据传输速率、存储容量、当前能量、能耗功率和任务轨迹；ri，j表示为从所述用户vi到所述无人机uj的数据传输速率；B表示为上行信道带宽；SNRi,j表示为所述信道从所述用户vi到所述无人机uj的信噪比；rj表示为对于无人机的数据传输速率；ej表示为所述uj在当前时间的剩余能量容量；/>表示为所述无人机uj的最大能量容量；μj表示为无人机能量紧急度；
数据队列模型：
其中，Δti，j表示为数据卸载的服务持续时间；表示为数据卸载服务的开始时间；表示为数据卸载服务的结束时间；/>表示为所述无人机的数据到达率的估计值；/>表示为数据卸载开始时所述用户vi的数据队列长度；/>表示为数据卸载结束时所述用户vi的数据队列长度；θi,j表示为所述用户vi的数据总量；α(Δti,j)表示为可变尺度平滑常数；lgΔti,j表示为衡量数据到达率的可参考性；γ表示为基本平滑常数；/>表示为更新的估计数据到达率；/>表示用户数据到达率的初始值被设置为0；/>表示为数据队列长度的预测值；/>表示为数据卸载结束时用户vi的数据队列长度；dj表示为uj的下一个离开时间；表示为数据卸载服务的结束时间；/>表示为用户vi预计要卸载给除uj以外的无人机的数据总量；/>表示为用户数据队列的最大容量；ρi表示为数据队列的紧急度；
用户筛选模型：
η,0<η<1
其中，φi表示为筛选器指示器，识别迫切需要数据卸载的用户；表示为所有用户的最大数据到达率；/>表示为根据所述筛选器指示器φi的筛选指标将需要数据卸载的用户紧急程度根据大到小重新排序组成的用户集；η表示为筛选率；Vt表示为目标用户集合；/>表示为待优化的目标用户；
无人机轨迹模型：
其中，xi,j表示为映射指示符，xi,j＝1表示为所述无人机uj向所述用户vi提供数据卸载服务，xi,j＝0表示为所述无人机uj未向所述用户vi提供数据卸载服务；表示为子轨迹；/>表示为子轨迹形成的环的总长度；/>表示为/>中的元素个数；π(k)表示为对应于/>中第k个元素的V中用户的下标；/>表示为新的子轨迹；表示为最短轨迹长度；
能源消耗模型：
其中，表示为所述无人机飞行引起的能量消耗；sj表示为所述无人机uj的飞行速度；表示为所述无人机uj的飞行能耗功率；/>表示为所述无人机悬停引起的能量消耗；θi,j表示为所述用户vi预计卸载到所述无人机uj的数据量；ri,j表示为所述用户vi到所述无人机uj的数据传输速率；/>表示为所述无人机uj的悬停能耗功率，Ej表示为总能量消耗。
2.根据权利要求1所述的方法，其特征在于，所述多目标优化模型包括多个目标和多个约束；
所述多个目标包括：
其中，表示为使用户数据队列的平均紧急程度最小；表示为保持无人机能量的平均紧迫性最小；/>表示为使无人机的存储利用率最大；
所述多个约束包括：
0≤θi,j
xi,j∈{0,1}
其中，表示为调度策略不超出用户数据队列；ej-εj≥ej ,/>表示为限制所述无人机的预期剩余能量；/>表示为所述无人机收集的数据总量不超出存储容量；0≤θi,j表示为每个所述用户的数据卸载量的数值为正数；xi,j∈{0,1}表示为指定分配指示器的范围。
3.根据权利要求2所述的方法，其特征在于，基于所述多目标优化模型转化为单目标优化，具体包括：
通过所述多目标优化模型的所述多个目标形成总体目标函数，包括：
其中，f1 (k)、和/>表示所述多目标优化模型的所述多个目标；F表示为总体目标函数；I表示为调度策略的数量；
对所述总体目标进行优化，获取最佳理想目标和最差理想目标，包括：
Fb＝(||F(：，1)||-∞，||F(：，2)||-∞，||F(：，3)||-∞)
Fw＝(||F(：，1)||∞，||F(：，2)||∞，||F(：，3)||∞)
其中，Fb表示为最佳理想目标；Fw表示为最差理想目标；F(:,j)表示为F的第j列；‖F(:,j)‖-∞表示为F(:,j)的负无穷范数；
基于所述最佳理想目标和所述最差理想目标获取最佳目标相似度和最差目标相似度，包括：
其中，表示为最佳目标相似度；/>表示为最差目标相似度；
基于所述最佳目标相似度和所述最差目标相似度获取单个调度策略的优越性包括：
其中，表示为单个调度策略的优越性。
4.根据权利要求3所述的方法，其特征在于，基于所述数据信息，执行所述单目标优化，得到所述最优调度策略，具体包括：
基于所述数据信息，更新所述用户数据到达率，并预测每个所述用户的所述数据队列长度，对目标用户进行筛选，得到所述目标用户集合；
响应于输入所述目标用户集合、所述调度策略数量、所述目标用户集合数量和迭代次数，进一步得到所述最佳理想目标和所述最差理想目标；
基于所述最佳理想目标、所述最差理想目标和所述单个调度策略的优越性，获得全部所述调度策略的初始调度策略；
对每个所述初始调度策略进行迭代更新，以得到所述最优调度策略。
5.一种异构无人机数据卸载装置，应用于权利要求1所述的异构无人机数据卸载方法，其特征在于，包括：
调度模型构建模块，被配置为根据所述基站、多个所述无人机和多个所述用户，构建与所述系统对应的调度模型；
数据信息获取模块，被配置为响应于任一所述无人机到达，获取所述无人机的数据信息；
最优调度策略获取发送模块，被配置为根据所述调度模型和所述数据信息，得到最优调度策略，并将所述最优调度策略发送至所述无人机，以使所述无人机根据接收到的所述最优调度策略执行数据卸载任务。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任意一项所述的方法。
7.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，其特征在于，所述计算机指令用于使计算机执行权利要求1至4任一所述方法。
CN202111424350.7A 2021-11-26 2021-11-26 异构无人机数据卸载方法、装置、电子设备及存储介质 Active CN114007231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111424350.7A CN114007231B (zh) 2021-11-26 2021-11-26 异构无人机数据卸载方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111424350.7A CN114007231B (zh) 2021-11-26 2021-11-26 异构无人机数据卸载方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114007231A CN114007231A (zh) 2022-02-01
CN114007231B true CN114007231B (zh) 2024-02-20

Family

ID=79930486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111424350.7A Active CN114007231B (zh) 2021-11-26 2021-11-26 异构无人机数据卸载方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114007231B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115226130B (zh) * 2022-07-14 2024-04-19 中国人民解放军国防科技大学 基于公平性感知的多无人机数据卸载方法及相关设备
CN117289725B (zh) * 2023-11-27 2024-02-27 清华大学 无人机分布式通算一体资源调度方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969778A (zh) * 2017-02-28 2017-07-21 南京航空航天大学 一种多无人机协同施药的路径规划方法
CN109218439A (zh) * 2018-10-11 2019-01-15 北京交通大学 分布式绿色云数据中心利润和性能敏感的多目标任务调度方法
CN111522666A (zh) * 2020-04-27 2020-08-11 西安工业大学 一种云机器人边缘计算卸载模型及其卸载方法
CN113254188A (zh) * 2021-07-07 2021-08-13 北京航空航天大学杭州创新研究院 调度优化方法和装置、电子设备及存储介质
CN113342034A (zh) * 2021-05-27 2021-09-03 南方电网数字电网研究院有限公司 一种无人机通道巡检与精细化巡检的组合策略算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969778A (zh) * 2017-02-28 2017-07-21 南京航空航天大学 一种多无人机协同施药的路径规划方法
CN109218439A (zh) * 2018-10-11 2019-01-15 北京交通大学 分布式绿色云数据中心利润和性能敏感的多目标任务调度方法
CN111522666A (zh) * 2020-04-27 2020-08-11 西安工业大学 一种云机器人边缘计算卸载模型及其卸载方法
CN113342034A (zh) * 2021-05-27 2021-09-03 南方电网数字电网研究院有限公司 一种无人机通道巡检与精细化巡检的组合策略算法
CN113254188A (zh) * 2021-07-07 2021-08-13 北京航空航天大学杭州创新研究院 调度优化方法和装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于UAV协助的移动卸载优化方法研究;庄晓晓;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第08期);C031-178 *

Also Published As

Publication number Publication date
CN114007231A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN109583665B (zh) 一种无线传感器网络中的无人机充电任务调度方法
CN114007231B (zh) 异构无人机数据卸载方法、装置、电子设备及存储介质
Cui et al. Offloading autonomous driving services via edge computing
CN112561395B (zh) 无人机协同方法、系统、装置、电子设备及存储介质
WO2019165932A1 (zh) 频谱管理设备和系统、方法以及计算机可读存储介质
CN112784362A (zh) 一种用于无人机辅助边缘计算的混合优化方法及系统
CN112291793A (zh) 网络接入设备的资源分配方法和装置
CN116346863B (zh) 基于联邦学习的车载网数据处理方法、装置、设备及介质
CN113391824A (zh) 计算卸载方法、电子设备、存储介质以及计算机程序产品
US20230055079A1 (en) Method of load forecasting via attentive knowledge transfer, and an apparatus for the same
CN113822460A (zh) 一种交通流量预测方法、装置、电子设备和存储介质
US11972184B2 (en) Method and system for designing a robotic system architecture with optimized system latency
CN115562756A (zh) 一种多接入边缘计算的车辆任务卸载方法及系统
CN111158893B (zh) 应用于雾计算网络的任务卸载方法、系统、设备及介质
CN114936708A (zh) 基于边云协同任务卸载的故障诊断优化方法及电子设备
CN112673367A (zh) 用于预测用户意图的电子设备和方法
CN115190021B (zh) 面向确定性时延业务的切片部署方法及相关设备
CN113534790B (zh) 路径规划方法、装置、电子设备及计算机可读存储介质
CN115841197A (zh) 一种路径规划方法、装置、设备及存储介质
Wang et al. An iot data collection mechanism based on cloud-edge coordinated deep learning
CN115705496A (zh) 一种量子计算机操作系统和量子计算机
CN115226130B (zh) 基于公平性感知的多无人机数据卸载方法及相关设备
CN113891270A (zh) 用于提升定位的平滑度与精准度的电子装置及方法
CN117289725B (zh) 无人机分布式通算一体资源调度方法和装置
CN116521377B (zh) 业务计算卸载方法、系统、装置、设备及介质

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