CN114531447A - 基于区块链的移动边云结合监管任务协同调度方法及系统 - Google Patents

基于区块链的移动边云结合监管任务协同调度方法及系统 Download PDF

Info

Publication number
CN114531447A
CN114531447A CN202210048194.7A CN202210048194A CN114531447A CN 114531447 A CN114531447 A CN 114531447A CN 202210048194 A CN202210048194 A CN 202210048194A CN 114531447 A CN114531447 A CN 114531447A
Authority
CN
China
Prior art keywords
supervision
task
tasks
node
aerial vehicle
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
CN202210048194.7A
Other languages
English (en)
Other versions
CN114531447B (zh
Inventor
董学文
底子杰
郭校杰
张志为
杨凌霄
沈玉龙
张涛
张晓东
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.)
Xidian University
Original Assignee
Xidian 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 Xidian University filed Critical Xidian University
Priority to CN202210048194.7A priority Critical patent/CN114531447B/zh
Publication of CN114531447A publication Critical patent/CN114531447A/zh
Application granted granted Critical
Publication of CN114531447B publication Critical patent/CN114531447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Astronomy & Astrophysics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于区块链领域和边缘计算技术领域，公开了一种基于区块链的移动边云结合监管任务协同调度方法及系统。无人机辅助的边缘监管节点，以下简称为无人机监管节点，基于区块链智能合约，选择不同重要性和截止日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织内其他分布式节点；无人机监管节点对上链监管任务进行查询，并根据监管任务的重要性和截止日期进行选择和计算来获得最大的计算收益，并将完成的任务上传到区块链；无人机监管节点根据剩余监管任务进行移动来改善信道状态，并将无法在无人机监管节点及时处理的任务卸载到云端执行。本发明提高了监管任务的执行效率，有助于实现任务执行的低延迟和高吞吐量。

Description

基于区块链的移动边云结合监管任务协同调度方法及系统
技术领域
本发明属于区块链领域和边缘计算技术领域，尤其涉及一种基于区块链的 移动边云结合监管任务协同调度方法及系统。
背景技术
目前，区块链的监管已经成为区块链安全问题中重要的一环，随着监管任 务的复杂性和数量不断攀升，如何保证任务数据安全、可信、防篡改，以及如 何高效的调度和协同这些任务成为重中之重。随着云计算技术不断的发展，一 些监管任务被卸载到遥远的云端进行执行，但由于越来越多的监管任务到达云 端，以中心服务器为节点的云计算可能会遇到带宽瓶颈。除此之外，大量监管 任务的即时处理可能会使云计算力不从心。随着边缘计算技术和区块链技术的 出现，基于区块链的移动边云结合的监管任务调度协同技术可以有效应对以上 出现的问题。监管任务可以卸载到离它较近的边缘监管节点上进行计算来降低 延迟，从而实现对监管任务的实时处理。
但是现有的边云结合的监管任务协同调度工作存在一些缺陷。一方面，现 有的工作仅局限于静态场景，即边缘监管节点在固定的位置执行监管任务，这 会使得边缘监管节点容易受到覆盖范围的限制和周围不利环境的影响，导致监 管任务没有办法有效的传输和执行，可靠性不高。另一方面，现有的工作忽略 了监管任务执行的时效性，这会使得监管任务失效从而影响用户体验和系统的 收益。除此之外，现有工作都是基于单天线场景的，即边缘监管节点利用单天 线，为了避免干扰一次只能接收一个监管任务，这会导致监管任务的吞吐量和 可靠性降低。实际上，应用多天线技术可以获得空间复用增益，从而大大提高 系统的传输容量和频谱利用率。同时，利用波束成形技术监管节点可以不受干 扰的同时接收多个发布节点的监管任务。因此，需要设计一种多天线的边缘监 管结点的移动机制应对以上挑战。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有静态的边缘监管节点容易收到覆盖范围和周围复杂无线电环境的 影响，从而影响监管任务正常的传输和执行，可靠性不高。
(2)现有技术没有考虑到监管任务时效性，这会使得监管任务超过截止日 期导致失效，使得用户的体验以及系统的收益降低。
(3)当前监管任务的传输和接收仅局限于采用单天线的方式进行传输。导 致了系统的传输容量以及频谱利用率不高。
解决以上问题及缺陷的难度为：
(1)区块链的区块点对点传输：如何选择合适的天线个数以及相应的信道 实现分布式节点任务点对点传输过程中实现多个监管监管任务不受干扰。
(2)含有截止日期的监管任务的调度：如何调度具有时效性的监管任务， 使得监管任务能在截止日期到达之前执行，避免任务的失效。
(3)移动边缘监管节点的路径规划：如何规划移动边缘监管节点的路径从 而改善到发布节点之间的信道状态来保证更多的监管任务能够卸载和执行。
解决以上问题及缺陷的意义为：通过选择天线个数和相应的信道有效的改 善了由于覆盖范围和周围复杂无线电环境导致的区块链系统中分布式监管节点 无发接受处理监管任务的问题。通过多天线技术和波束成型技术可以不受干扰 的同时向边缘监管节点传输多个监管任务，并且能大大提高区块链系统分布式 各节点的传输容量和频谱利用率，有利于提升监管系统的传输效率和吞吐量， 保证了监管任务能够尽可能的在截止日期之前完成。
发明内容
针对现有技术存在的问题，本发明提供了一种基于区块链的移动边云结合 监管任务协同调度方法及系统，尤其涉及一种基于区块链的基于区块链的移动 边云结合监管任务协同调度方法及系统。
本发明是这样实现的，一种基于区块链的移动边云结合监管任务协同调度 方法，所述基于区块链的移动边云结合监管任务协同调度方法包括以下步骤：
步骤一，无人机监管节点基于区块链的智能合约，选择不同重要性和截止 日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传 输给组织内的其他分布式节点。步骤一的积极作用是，利用多天线方式的传输 方式可以提高信道容量，并可以利用波束成形技术同时不受干扰的接收多个监 管任务。有利于提升监管任务的执行效率以及系统的吞吐量。
步骤二，无人机监管节点对上链监管任务进行查询，并根据监管任务的重 要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完成的任务 上传到区块链。步骤二的积极作用是，考虑监管任务的截止日期等因素可以符 合实际需求，并且可以避免由于超过截止日期导致的任务失效和服务质量低下， 可以使得计算收益达到最大。
步骤三，无人机监管节点根据区块链中剩余监管任务进行移动进而改善信 道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端进行执行， 步骤三的积极作用是，无人机监管节点可以通过移动接近重要性高，收益高或 即将失效的任务节点增加其上传的任务量，从而提高计算收益。
进一步，所述步骤一中的监管任务的数据信息包括任务大小、计算强度、 计算收入、截止日期以及重要程度。
进一步，所述步骤一中利用PDD-based的算法，求解以下内层循环的拉格 朗日子问题，直至问题收敛得到每一时刻下监管任务的选择情况：
Figure BDA0003473300810000031
其中，ak[n]表示第n个时隙第k个监管任务的调度情况；ρ表示惩罚因子； λ1,k，λ2,k表示拉格朗日乘子；
Figure BDA0003473300810000032
表示引入的辅助变量。
进一步，所述步骤二和步骤三中利用PDD-based的算法，求解以下内层循 环的拉格朗日子问题，直至问题收敛得到每一时刻下监管任务的计算情况和无 人机的路径规划：
Figure RE-GDA0003574095900000041
Figure RE-GDA0003574095900000042
Figure RE-GDA0003574095900000043
Figure BDA0003473300810000044
Figure BDA0003473300810000045
Figure BDA0003473300810000046
Figure BDA0003473300810000047
Figure BDA0003473300810000048
Figure BDA0003473300810000049
Figure BDA00034733008100000410
Figure BDA00034733008100000411
Figure BDA00034733008100000412
Figure BDA00034733008100000413
Figure BDA00034733008100000414
Figure BDA00034733008100000415
其中，
Figure BDA00034733008100000416
表示 优化变量，
Figure BDA00034733008100000417
表示监管任务的上传和计算情况，
Figure BDA00034733008100000418
表示移动边缘监管节 点路径
Figure BDA00034733008100000419
Pk[n]表示监管节点计算功率分配情况，其他变量为引入的辅助变量。
进一步，所述PDD-based是一个双层结构的算法，包括：
(1)引入辅助变量将离散约束转化为等式约束，并将等式约束惩罚对偶到 目标函数形成增广拉格朗日问题；
(2)在内层，将增广拉格朗日问题分解为两个子问题，交替优化两个子问 题直至问题收敛获得当前迭代的结果；
(3)在外层，根据内层所得到的结果，由约束违反指示器的值来选择更新 拉格朗日乘子还是惩罚因子；
(4)内外层不断迭代求解直到问题收敛或者约束违反指示器的值为0。
本发明的另一目的在于提供一种应用所述的基于区块链的移动边云结合监 管任务协同调度方法的移动边云结合监管任务协同调度系统，所述移动边云结 合监管任务协同调度系统包括：
监管任务发布节点，用于通过各个节点达成的共识合约，定时向区块链发 布监管任务，并根据情况更改监管任务的重要程度；
无人机监管节点，搭载计算资源的无人机作为边缘监管节点来处理链上的 监管任务，无人机监管节点通过移动来改善到任务发布节点的信道状态；
云，用于将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
进一步，所述无人机监管节点包括：
服务器任务调度队列模块，用于缓存来自各个发布节点的监管任务；
能量监控模块，用于负责控制无人机的能量消耗，以保证任务的正常执行 和无人机的飞行；
MIMO模块，用于使用多天线技术和波束成形技术增加信道容量。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器 和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行 时，使得所述处理器执行如下步骤：
无人机监管节点基于区块链的智能合约，选择不同重要性和截止日期的监 管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织 内的其他分布式节点；无人机监管节点对上链监管任务进行查询，并根据监管 任务的重要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完 成的任务上传到区块链；无人机监管节点根据区块链中剩余监管任务进行移动 进而改善信道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端 进行执行。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序， 所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
无人机监管节点基于区块链的智能合约，选择不同重要性和截止日期的监 管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织 内的其他分布式节点；无人机监管节点对上链监管任务进行查询，并根据监管 任务的重要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完 成的任务上传到区块链；无人机监管节点根据区块链中剩余监管任务进行移动 进而改善信道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端 进行执行。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终 端用于实现所述的移动边云结合监管任务协同调度系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明填 补了业内多天线无人机辅助的边缘监管节点服务区块链监管任务的空白，首次 将区块链与MIMO无人机进行结合，首次利用多天线技术来传输监管任务，拥 有较高的创新性。除此之外，本发明提供的基于区块链的移动边云结合监管任 务协同调度方法，可以通过将监管任务上链，保证任务安全、可靠、防篡改， 考虑到监管任务的重要性和截止日期等因素，计算无人机监管节点的移动轨迹 对监管任务卸载的影响，提高了监管任务的执行效率，有助于实现监管任务执 行的低延迟和高吞吐量。
本发明提供的基于区块链的移动边云结合监管任务协同调度技术，能够满 足无人机监管节点移动场景下具有时效性的监管任务调度协同的需求，针对区 块链系统中移动边缘监管节点静止机制下存在的覆盖区域的限制，易受周围复 杂无线电环境影响等问题提出了无人机监管节点的移动机制，针对复杂环境下， 易受篡改的任务数据，提出了基于区块链的任务监管机制，针对单天线场景下 存在的信道容量不高，可靠性较差等问题提出了多天线MIMO机制，有利于提 高系统的吞吐量。本发明有效的改善了由于覆盖范围和周围复杂无线电环境导 致的监管节点无发接受处理监管任务的问题，并通过区块链技术保证了任务的 安全、可信、防篡改。同时，本发明通过多天线技术和波束成型技术可以同时不受干扰的向监管节点传输多个监管任务，并且能大大提高系统的传输容量和 频谱利用率，有利于提升监管系统的传输效率和吞吐量，保证了监管任务能够 尽可能的在截止日期之前完成。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所 需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明 的一些实施例，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是本发明实施例提供的基于区块链的移动边云结合监管任务协同调度 方法流程图。
图2是本发明实施例提供的基于区块链的移动边云结合监管任务协同调度 系统机制的模型图。
图3是本发明实施例提供的基于区块链的移动边云结合监管任务协同调度 系统执行流程图。
图4是本发明实施例提供的PDD-based算法流程图。
图5是本发明实施例提供的基于区块链的移动边缘监管节点系统结构框图。
图6是本发明实施例提供的实验测试结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于区块链的基于区块链的 移动边云结合监管任务协同调度方法及系统，下面结合附图对本发明作详细的 描述。
如图1所示，本发明实施例提供的基于区块链的移动边云结合监管任务协 同调度方法包括以下步骤：
S101，无人机监管节点基于区块链的智能合约，选择不同重要性和截止日 期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输 给组织内的其他分布式节点；
S102，无人机监管节点对上链监管任务进行查询，并根据监管任务的重要 性和截止日期因素进行计算和选择来获得最大的计算收益，并将完成的任务上 传到区块链；
S103，无人机监管节点根据区块链中剩余监管任务进行移动进而改善信道 的状态，并将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
下面结合具体实施例对本发明的技术方案作进一步描述。
实施例1
针对现有技术存在的问题，本发明提供了一种基于区块链的移动边云结合 监管任务协同调度技术。
本发明是这样实现的，一种基于区块链的移动边云结合监管任务协同调度 技术，所述基于区块链的移动边云结合监管任务协同调度技术包括以下步骤：
步骤一，无人机监管节点基于区块链的智能合约，选择不同重要性和截止 日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传 输给组织内的其他分布式节点；
步骤二，无人机监管节点对上链监管任务进行查询，并根据监管任务的重 要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完成的任务 上传到区块链；
步骤三，无人机监管节点根据区块链中剩余监管任务进行移动进而改善信 道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
本发明提供的步骤一中，所述监管任务的数据信息，包括任务大小，计算 强度，计算收入，截止日期，重要程度。
本发明提供的步骤一利用PDD-based的算法，求解以下内层循环的拉格朗 日子问题，直至问题收敛得到每一时刻下监管任务的选择情况。
Figure BDA0003473300810000091
其中ak[n]表示的是第n个时隙第k个监管任务的调度情况，ρ表示的是惩 罚因子，λ1,k，λ2,k表示的是拉格朗日乘子，
Figure BDA0003473300810000092
表示的引入的辅助变量。
本发明提供的步骤二和步骤三中，利用PDD-based的算法，求解以下内层 循环的拉格朗日子问题，直至问题收敛得到每一时刻下监管任务的计算情况和 无人机的路径规划。
Figure RE-GDA0003574095900000093
Figure RE-GDA0003574095900000094
Figure RE-GDA0003574095900000095
Figure BDA0003473300810000095
Figure BDA0003473300810000096
Figure BDA0003473300810000097
Figure BDA0003473300810000098
Figure BDA0003473300810000099
Figure BDA0003473300810000101
Figure BDA0003473300810000102
Figure BDA0003473300810000103
Figure BDA0003473300810000104
Figure BDA0003473300810000105
Figure BDA0003473300810000106
Figure BDA0003473300810000107
其中
Figure BDA0003473300810000108
代表 的是优化变量，
Figure BDA0003473300810000109
表示监管任务的上传和计算情况，
Figure BDA00034733008100001010
表示移动边缘监 管节点的路径
Figure BDA00034733008100001011
Pk[n]表示监管节点计算功率分配情况，其他变量为引入的辅 助变量。
本发明提供的PDD-based是一个双层结构的算法，其步骤包括：
(1)引入辅助变量将离散约束转化为等式约束，并将等式约束惩罚对偶到 目标函数形成增广拉格朗日问题。
(2)在内层，将增广拉格朗日问题分解为两个子问题，交替优化两个子问 题直至问题收敛获得当前迭代的结果。
(3)在外层，根据内层所得到的结果，由约束违反指示器的值来选择更新 拉格朗日乘子还是惩罚因子。
(4)内外层不断迭代求解直到问题收敛或者约束违反指示器的值为0。
本发明的另一个目的在于提供一种实现所述基于区块链的移动边云结合监 管任务协同调度技术的移动边云结合监管任务协同调度技系统，所述边云结合 监管系统包括：
(1)监管任务发布节点：通过各个节点达成的共识合约，定时向区块链发 布监管任务，并根据情况更改监管任务的重要程度。
(2)无人机监管节点，搭载计算资源的无人机作为边缘监管节点来处理链 上的监管任务，无人机监管节点通过移动来改善到任务发布节点的信道状态。
(3)云：无法在无人机监管节点及时处理的任务卸载到云端进行执行。
本发明提供的基于区块链的的无人机监管节点包括：
(1)服务器任务调度队列模块：用来缓存来自各个发布节点的监管任务。
(2)能量监控模块：负责控制无人机的能量消耗，以保证任务的正常执行 和无人机的飞行。
(3)MIMO模块：使用多天线技术和波束成形技术增加信道容量，提高系 统的吞吐量。
本发明提供的基于区块链的移动边云结合监管任务协同调度技术，能够满 足无人机监管节点移动场景下具有时效性的监管任务调度协同的需求，针对区 块链系统中移动边缘监管节点静止机制下存在的覆盖区域的限制，易受周围复 杂无线电环境影响等问题提出了无人机监管节点的移动机制，针对复杂环境下， 易受篡改的任务数据，提出了基于区块链的任务监管机制，针对单天线场景下 存在的信道容量不高，可靠性较差等问题提出了多天线MIMO机制，有利于提 高系统的吞吐量。
本发明有效的改善了由于覆盖范围和周围复杂无线电环境导致的监管节点 无发接受处理监管任务的问题，并通过区块链技术保证了任务的安全、可信、 防篡改。同时，本发明通过多天线技术和波束成型技术可以同时不受干扰的向 无人机监管节点传输多个监管任务，并且能大大提高系统的传输容量和频谱利 用率，有利于提升监管系统的传输效率和吞吐量，保证了监管任务能够尽可能 的在截止日期之前完成。
实施例2
本发明实施例提供的基于区块链的移动边云结合监管任务协同调度系统机 制的模型图如图2所示。在地面上存在多个监管任务发布节点，一个无人机辅 助的边缘监管节点在空中提供服务，首先根据任务的重要性和截止日期选择相 应的监管任务通过智能合约上传区块链中，之后无人机监管节点根据自身的能 量情况和任务情况来计算监管任务，最后无人机监管节点根据剩余的任务情况 进行移动来改善信道质量，无法在无人机监管节点及时处理的任务卸载到云端 进行执行。
本发明实施例提供的基于区块链的移动边云结合监管任务协同调度系统执 行流程如图3所示，假设只有无人机监管节点只为一个监管任务提供服务。首 先在第一个时隙，无人机监管节点首先收到通过上行链路的三个监管子任务， 在第二个时隙，监管节点接收最后一个子任务并计算第一个子任务。在第三个 时隙，无人机监管节点计算两个子任务。在第四个时隙，监管节点计算剩余的 子任务。在每个时隙的结束，无人机监管节点都要去调整自己的位置来更好的 传输和计算监管任务。
图4是本发明实施例提供的PDD-based算法流程图。它是一个两层循环结 构的算法，具体步骤如下：
(1)首先引入辅助变量将离散约束化为等式约束，并惩罚对偶到目标函数 生成增广拉格朗日问题。
(2)在内层，将原问题分解为两个拉格朗日子问题，交替优化两个拉格朗 日子问题，直至收敛获得本次迭代的监管任务传输和计算情况，边缘监管节点 的路径规划和计算功率分配情况。
(3)在外层，根据内层所得到的结果，根据约束违反指示器的值来选择更 新拉格朗日乘子还是惩罚因子。
(4)内外层不断迭代求解直到问题收敛或者约束违反指示器的值为0。
如图5所示，本发明实施例提供的基于区块链的无人机监管节点系统，包 括：
服务器任务调度队列模块1，用来缓存来自各个发布节点的未上链的监管任 务；
能量监控模块2，负责控制无人机的能量消耗，以保证任务的正常执行和无 人机的飞行；
MIMO模块3，使用多天线技术和波束成形技术增加信道容量，提高信道的 容量和任务传输的可靠性。
本发明实施例提供的实验测试结果如图6所示，实验将本发明与其他基准 进行比较：
PTS algorithm：一种贪心策略，无人机监管节点综合考虑监管任务的截止日 期，重要性，数据大小，收益等因素来进行任务的上传，计算，和路径规划。
最大任务优先(MTF)：MTF是一种贪心策略，监管任务的优先级是由任 务的大小决定。无人机监管节点服务于发布节点并选择任务大小最大的发布节 点进行移动。
最短路径优先(SDF)：SDF是一种贪心策略，监管任务的优先级是由无人 机监管节点到发布节点的距离决定。无人机监管节点服务于发布节点并选择离 监管节点最近的发布节点进行移动。
随机算法：无人机监管节点随机移动服务与各个发布节点。
最佳静态算法：无人机监管节点保持不动服务于发布节点。
图6(a)反映了不同天线个数下系统平均利润的变化。与本发明设计的基准进 行比较，本发明可以得出本发明可以达到最大利润，增加了系统的吞吐量。跟 其他基准相比将系统利润提高20％，并且因为无人机监管节点计算能力的限制， 随着天线的数量不断增多，系统获得的利润也逐渐减少。图6(b)对不同天线个数 下系统平均移动效率进行了评估，与本发明设计的基准进行比较，本发明可以 得出本发明可以达到最大的移动效率，减少了无人机监管节点因移动而产生的 能量消耗。跟其他基准相比将移动效率提高15％。图6(c)反映了不同无人机监 管节点计算能力的情况下系统平均利润的变化。一开始，随着CPU频率的增加， 无人机监管节点可以计算更多的监管任务以获得更多的利润。然而，由于无人 机能量限制，CPU频率的增加导致计算监管任务消耗的能量增加，这间接导致 计算利润减少。
实施例3
如图二所示，图中MIMO上行链路采用正交多址为每一个调度的监管任务 提供一个子载波。MIMO信道模型采用等效复基带信道，考虑大规模信道功率 增益和小规模信道衰落。由以下公式表示任务发布节点与无人机之间的等效复 基带通道系数
Figure BDA0003473300810000141
其中wk[n]表示由距离相关的路径损耗和阴影引起的大规模信道功率增益， gk[n]表示小规模信道莱斯衰落，由如下公式表示，
Figure BDA0003473300810000142
Figure BDA0003473300810000143
其中w0为单位距离下的信道增益，
Figure BDA0003473300810000144
表示无人机与任务发布节点之间的 距离。表示为莱斯因子。
Figure BDA0003473300810000145
表示为LoS通道分量。θk,L表示 为视距相位。L表示为天线的个数。
Figure BDA0003473300810000146
表示瑞利衰落信道分 量，其中IL和0表示单位矩阵和具有适当维度的全零矩阵。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL) 或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器 或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的 任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据 存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质 (例如DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明 的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的 保护范围之内。

Claims (10)

1.一种基于区块链的移动边云结合监管任务协同调度方法，其特征在于，所述基于区块链的移动边云结合监管任务协同调度方法包括以下步骤：
步骤一，无人机监管节点基于区块链智能合约，选择不同重要性和截止日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织内其他分布式节点；
步骤二，无人机监管节点对上链监管任务进行查询，并根据监管任务的重要性和截止日期进行选择和计算来获得最大的计算收益，并将完成的任务上传到区块链；
步骤三，无人机监管节点根据剩余监管任务进行移动来改善信道状态，并将无法在无人机监管节点及时处理的任务卸载到云端执行。
2.如权利要求1所述的基于区块链的移动边云结合监管任务协同调度方法，其特征在于，所述步骤一中的监管任务的数据信息包括任务大小、计算强度、计算收入、截止日期以及重要程度。
3.如权利要求1所述的基于区块链的移动边云结合监管任务协同调度方法，其特征在于，所述步骤一中，利用PDD-based的算法，求解以下内层循环的拉格朗日子问题，直至问题收敛得到每一时刻下监管任务的选择情况：
Figure FDA0003473300800000011
其中，ak[n]表示第n个时隙第k个监管任务的调度情况；ρ表示惩罚因子；λ1,k，λ2,k表示拉格朗日乘子；
Figure FDA0003473300800000012
表示引入的辅助变量。
4.如权利要求1所述的基于区块链的移动边云结合监管任务协同调度方法，其特征在于，所述步骤二和步骤三中，利用PDD-based的算法，求解以下内层循环的拉格朗日子问题，直至问题收敛得到每一时刻下监管任务的计算情况和无人机的路径规划：
Figure RE-FDA0003574095890000013
Figure RE-FDA0003574095890000021
Figure RE-FDA0003574095890000022
Figure RE-FDA0003574095890000023
Figure RE-FDA0003574095890000024
Figure RE-FDA0003574095890000025
Figure RE-FDA0003574095890000026
Figure RE-FDA0003574095890000027
Figure RE-FDA0003574095890000028
Figure RE-FDA0003574095890000029
Figure RE-FDA00035740958900000210
Figure RE-FDA00035740958900000211
Figure RE-FDA00035740958900000212
Figure RE-FDA00035740958900000213
Figure RE-FDA00035740958900000214
其中，
Figure RE-FDA00035740958900000215
表示优化变量，
Figure RE-FDA00035740958900000216
表示监管任务的上传和计算情况，
Figure RE-FDA00035740958900000217
表示移动边缘监管节点路径
Figure RE-FDA00035740958900000218
Pk[n]表示监管节点计算功率分配情况，其他变量为引入的辅助变量。
5.如权利要求3所述的基于区块链的移动边云结合监管任务协同调度方法，其特征在于，所述PDD-based是一个双层结构的算法，包括：
(1)引入辅助变量将离散约束转化为等式约束，并将等式约束惩罚对偶到目标函数形成增广拉格朗日问题；
(2)在内层，将增广拉格朗日问题分解为两个子问题，交替优化两个子问题直至问题收敛获得当前迭代的结果；
(3)在外层，根据内层所得到的结果，由约束违反指示器的值来选择更新拉格朗日乘子还是惩罚因子；
(4)内外层不断迭代求解直到问题收敛或者约束违反指示器的值为0。
6.一种实施权利要求1～5任意一项所述的基于区块链的移动边云结合监管任务协同调度方法的移动边云结合监管任务协同调度系统，其特征在于，所述移动边云结合监管任务协同调度系统包括：
监管任务发布节点，用于通过各个节点达成的共识合约，定时向区块链发布监管任务，并根据情况更改监管任务的重要程度；
无人机监管节点，搭载计算资源的无人机作为边缘监管节点来处理链上的监管任务，无人机监管节点通过移动来改善到任务发布节点的信道状态；
云，用于将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
7.如权利要求6所述的移动边云结合监管任务协同调度系统，其特征在于，所述无人机监管节点包括：
服务器任务调度队列模块，用于缓存来自各个发布节点的监管任务；
能量监控模块，用于负责控制无人机的能量消耗，以保证任务的正常执行和无人机的飞行；
MIMO模块，用于使用多天线技术和波束成形技术增加信道容量。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
无人机监管节点基于区块链的智能合约，选择不同重要性和截止日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织内的其他分布式节点；无人机监管节点对上链监管任务进行查询，并根据监管任务的重要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完成的任务上传到区块链；无人机监管节点根据区块链中剩余监管任务进行移动进而改善信道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
无人机监管节点基于区块链的智能合约，选择不同重要性和截止日期的监管任务上传至区块链中，上链的监管任务通过多天线的方式点对点传输给组织内的其他分布式节点；无人机监管节点对上链监管任务进行查询，并根据监管任务的重要性和截止日期因素进行计算和选择来获得最大的计算收益，并将完成的任务上传到区块链；无人机监管节点根据区块链中剩余监管任务进行移动进而改善信道的状态，并将无法在无人机监管节点及时处理的任务卸载到云端进行执行。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求6～7任意一项所述的移动边云结合监管任务协同调度系统。
CN202210048194.7A 2022-01-17 2022-01-17 移动边云结合监管任务协同调度方法、系统及计算机设备 Active CN114531447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210048194.7A CN114531447B (zh) 2022-01-17 2022-01-17 移动边云结合监管任务协同调度方法、系统及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210048194.7A CN114531447B (zh) 2022-01-17 2022-01-17 移动边云结合监管任务协同调度方法、系统及计算机设备

Publications (2)

Publication Number Publication Date
CN114531447A true CN114531447A (zh) 2022-05-24
CN114531447B CN114531447B (zh) 2022-11-29

Family

ID=81620346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210048194.7A Active CN114531447B (zh) 2022-01-17 2022-01-17 移动边云结合监管任务协同调度方法、系统及计算机设备

Country Status (1)

Country Link
CN (1) CN114531447B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472520A (zh) * 2018-12-21 2019-03-15 南京邮电大学 基于区块链的多无人机任务分配方法
CN109922137A (zh) * 2019-01-28 2019-06-21 中国人民解放军国防科技大学 无人机协助的计算迁移方法
US20200007414A1 (en) * 2019-09-13 2020-01-02 Intel Corporation Multi-access edge computing (mec) service contract formation and workload execution
CN112073929A (zh) * 2020-08-05 2020-12-11 浙江理工大学 一种在边缘计算中基于区块链的任务卸载方法及系统
CN113163365A (zh) * 2021-03-26 2021-07-23 北京工业大学 基于交替方向乘子算法的无人机支持物联网资源优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472520A (zh) * 2018-12-21 2019-03-15 南京邮电大学 基于区块链的多无人机任务分配方法
CN109922137A (zh) * 2019-01-28 2019-06-21 中国人民解放军国防科技大学 无人机协助的计算迁移方法
US20200007414A1 (en) * 2019-09-13 2020-01-02 Intel Corporation Multi-access edge computing (mec) service contract formation and workload execution
CN112073929A (zh) * 2020-08-05 2020-12-11 浙江理工大学 一种在边缘计算中基于区块链的任务卸载方法及系统
CN113163365A (zh) * 2021-03-26 2021-07-23 北京工业大学 基于交替方向乘子算法的无人机支持物联网资源优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JIANBO DU: "Drone-Assisted and Blockchain-Enabled Edge-Cloud Computing Networks:Architecture Design, Case Study, and Future Directions", 《IEEE INTERNET OF THINGS MAGAZINE》 *
XIANBANG DIAO: "UAV-Relaying-Assisted Multi-Access Edge Computing With Multi-Antenna Base Station:Offloading and Scheduling Optimization", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *

Also Published As

Publication number Publication date
CN114531447B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
Xiong et al. Task offloading in UAV-aided edge computing: Bit allocation and trajectory optimization
Dai et al. UAV-assisted task offloading in vehicular edge computing networks
Zhu et al. Decentralized power allocation for MIMO-NOMA vehicular edge computing based on deep reinforcement learning
Liu et al. Deep reinforcement learning based latency minimization for mobile edge computing with virtualization in maritime UAV communication network
Wang et al. Delay-sensitive multi-period computation offloading with reliability guarantees in fog networks
CN112118287B (zh) 基于交替方向乘子算法与移动边缘计算的网络资源优化调度决策方法
Ke et al. Adaptive computation offloading policy for multi-access edge computing in heterogeneous wireless networks
Guo et al. Predictive resource allocation with deep learning
Liu et al. Computation offloading and resource allocation in unmanned aerial vehicle networks
Wang Edge artificial intelligence-based affinity task offloading under resource adjustment in a 5G network
Li et al. Task offloading strategy to maximize task completion rate in heterogeneous edge computing environment
Cui et al. Joint computation offloading and resource management for usvs cluster of fog-cloud computing architecture
Taimoor et al. Holistic resource management in UAV-assisted wireless networks: An optimization perspective
CN114531447B (zh) 移动边云结合监管任务协同调度方法、系统及计算机设备
Chen et al. Profit-Aware Cooperative Offloading in UAV-Enabled MEC Systems Using Lightweight Deep Reinforcement Learning
Jiang et al. Age of information-based computation offloading and transmission scheduling in mobile edge computing-enabled iot networks
Zhu et al. Online Distributed Learning-Based Load-Aware Heterogeneous Vehicular Edge Computing
Shaodong et al. Multi-step reinforcement learning-based offloading for vehicle edge computing
Wang et al. Energy-Efficient Task Offloading and Resource Allocation for Delay-Constrained Edge-Cloud Computing Networks
Ge et al. Mobile edge computing against smart attacks with deep reinforcement learning in cognitive MIMO IoT systems
CN114698125A (zh) 移动边缘计算网络的计算卸载优化方法、装置及系统
Lakew et al. Intelligent Self-Optimization for Task Offloading in LEO-MEC-Assisted Energy-Harvesting-UAV Systems
Liu et al. Online Computation Offloading for Collaborative Space/Aerial-Aided Edge Computing Toward 6G System
TW202312709A (zh) 優化網路的系統和方法
Chen et al. A triple learner based energy efficient scheduling for multi-UAV assisted 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
GR01 Patent grant
GR01 Patent grant