CN115827210A - 多无人机边缘计算资源调度方法及装置 - Google Patents

多无人机边缘计算资源调度方法及装置 Download PDF

Info

Publication number
CN115827210A
CN115827210A CN202111087978.2A CN202111087978A CN115827210A CN 115827210 A CN115827210 A CN 115827210A CN 202111087978 A CN202111087978 A CN 202111087978A CN 115827210 A CN115827210 A CN 115827210A
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
edge
user terminal
unloaded
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
CN202111087978.2A
Other languages
English (en)
Inventor
刘委婉
张歆
朱龙
张舒蕾
燕慧
陈琳
李莉
李飞龙
梁恩磊
汪帆
丁鹏勇
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.)
China Mobile Communications Group Co Ltd
China Mobile Information Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile Information Technology Co Ltd
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 China Mobile Communications Group Co Ltd, China Mobile Information Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202111087978.2A priority Critical patent/CN115827210A/zh
Publication of CN115827210A publication Critical patent/CN115827210A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种多无人机边缘计算资源调度方法及装置，该方法包括：将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。本发明使得无人机边缘计算服务范围最大化，同时兼顾考虑无人机负载均衡，适用于无人机可能难以为全部用户终端提供服务的场景。

Description

多无人机边缘计算资源调度方法及装置
技术领域
本发明涉及无线通信技术领域，尤其涉及一种多无人机边缘计算资源调度方法及装置。
背景技术
边缘计算是5G关键技术之一，其通过将边缘计算服务器置于移动用户侧，与用户终端建立无线通信链路。用户终端将待计算的高复杂度、低时延计算任务直接卸载至边缘服务器，边缘服务器计算完毕后将计算结果快速返回。与云计算相比，边缘计算避免了通过互联网层层申请环节，实时性更高。
为了根据移动用户的需求对边缘计算服务器的位置进行灵活改变，使用无人机为移动边缘计算网络提供计算和存储功能。但是由于无人机的电池容量和硬件限制，往往无法长时间保持飞行状态。因此现有的多无人机边缘计算资源调度方案考虑的是对无人机节点的耗能最小，且认为无人机可以为所有地面用户服务。
然而，在实际情况下，地面用户数量多且任务复杂，待计算任务量大，而无人机计算能力有限，很可能难以为全部用户终端提供边缘计算服务。现有技术方案没有针对这种应用场景进行边缘计算资源调度。
发明内容
本发明提供一种多无人机边缘计算资源调度方法及装置，用以解决现有技术中没有针对无人机无法全面覆盖用户终端的边缘计算服务场景的资源调度方案的缺陷，实现无人机负载均衡的边缘计算服务范围最大化资源调度。
本发明提供一种多无人机边缘计算资源调度方法，包括：
将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
根据本发明提供的一种多无人机边缘计算资源调度方法，所述将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力之前，还包括：
根据每个用户终端待卸载给每个无人机的边缘计算任务的大小和计算复杂度，获取每个用户终端待卸载给每个无人机的边缘计算任务的计算量；
根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间；
将每个用户终端待卸载给每个无人机的边缘计算任务的计算量除以所述完成时间后相加，获取所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力。
根据本发明提供的一种多无人机边缘计算资源调度方法，所述根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间之前，还包括：
根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率；
将每个用户终端待卸载给每个无人机的边缘计算任务的大小除以所述速率，获取每个用户终端将所述边缘计算任务卸载给每个无人机的卸载时间。
根据本发明提供的一种多无人机边缘计算资源调度方法，所述根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率之前，还包括：
根据每个用户终端的位置和每个无人机的位置，计算每个用户终端和每个无人机之间的距离；
根据每个无人机的高度、每个无人机与每个用户终端之间的距离和预设参考功率，计算每个用户终端和每个无人机之间的信道功率增益。
根据本发明提供的一种多无人机边缘计算资源调度方法，每个无人机的结余算力大于或等于0；
每个用户终端最多给一个无人机待卸载所述边缘计算任务；
给每个无人机待卸载边缘计算任务的用户终端的数量小于或等于每个无人机的子信道个数；
每个无人机的横坐标大于或等于所有用户终端的横坐标中的最小值，且小于或等于所有用户终端的横坐标中的最大值；
每个无人机的纵坐标大于或等于所有用户终端的纵坐标中的最小值，且小于或等于所有用户终端的纵坐标中的最大值。
根据本发明提供的一种多无人机边缘计算资源调度方法，所述对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，包括：
在所述目标函数中引入非负松弛变量；
将引入所述非负松弛变量后的目标函数转化为标准形式；
基于分枝定界法对转化为标准形式的所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机；
在转化为标准形式的所述目标函数不收敛，且迭代次数未达到预设值的情况下，基于遗传算法对本次求解的每个用户终端待卸载边缘计算任务的无人机进行更新；
根据更新后的无人机再次对转化为标准形式的所述目标函数进行求解，直到转化为标准形式的所述目标函数收敛或所述迭代次数达到所述预设值。
本发明还提供一种多无人机边缘计算资源调度装置，包括：
计算模块，用于将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
构建模块，用于根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
求解模块，用于对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
本发明还提供一种电子设备，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如上述任一种所述多无人机边缘计算资源调度方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述多无人机边缘计算资源调度方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述多无人机边缘计算资源调度方法的步骤。
本发明提供的多无人机边缘计算资源调度方法及装置，通过根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数，通过目标函数求解优化用户终端的卸载决策，使得无人机边缘计算服务范围最大化，同时兼顾考虑无人机负载均衡，适用于地面用户数量多且任务复杂，无人机计算能力有限，可能难以为全部用户用到提供服务的现实场景。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的多无人机边缘计算资源调度方法的流程示意图；
图2是本发明提供的多无人机边缘计算资源调度方法中无人机边缘计算系统模型的结构示意图；
图3是本发明提供的多无人机边缘计算资源调度方法中目标函数的求解流程示意图；
图4是本发明提供的多无人机边缘计算资源调度方法中无人机服务覆盖范围与无人机最大算力、无人机个数之间的关系曲线示意图；
图5是本发明提供的多无人机边缘计算资源调度方法中无人机负载方差与负载权值的关系曲线示意图；
图6是本发明提供的多无人机边缘计算资源调度装置的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明的一种多无人机边缘计算资源调度方法，包括：步骤101，将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
无人机边缘计算系统模型如图2所示。假设无人机边缘计算系统中包括M个无人机和K个地面用户终端，令Θ＝{1,2,...,M}，Δ＝{1,2,...,K}分别表示无人机集合与地面用户终端集合。
第k个用户终端的坐标为ωk＝(xk,yk,0)，第m个无人机的坐标为qm＝(qm,x,qm,y,H)，m∈Θ。其中，H为无人机的飞行高度。
本实施例的目的是选择用户终端分配无人机进行边缘计算。无人机的空闲算力为无人机可用于边缘计算的算力。假设第m个无人机的空闲算力为fm，第k个用户终端待卸载给第m个无人机的边缘计算任务消耗的算力为μm,kak。其中，ak表示完成第k个用户终端的边缘计算任务消耗的算力，μm，k＝1表示第k个用户终端将边缘计算任务卸载给第m个无人机，即第k个用户终端将被服务，μm,k＝0表示第k个用户终端不将边缘计算任务卸载给第m个无人机。
所有用户终端待卸载给第m个无人机的边缘计算任务消耗的总算力为
Figure BDA0003266477410000071
第m个无人机资源调度后的结余算力为
Figure BDA0003266477410000072
步骤102，根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
给每个无人机待卸载边缘计算任务的用户终端的数量为
Figure BDA0003266477410000073
根据
Figure BDA0003266477410000074
和
Figure BDA0003266477410000075
两部分构建目标函数。
可选地，目标函数为
Figure BDA0003266477410000076
ωl＞0为无人机负载均衡权值，θ＞0为归一化因子，目的为将目标函数两部分统一到同一量级。
由于
Figure BDA0003266477410000077
因此，目标函数的右半部分考虑了多个无人机中结余算力最大值的最小化，即负载均衡的考虑。
步骤103，对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
对目标函数进行求解，得到μm，k的值，即第k个用户终端是否将边缘计算任务卸载给第m个无人机，使得
Figure BDA0003266477410000078
最大，
Figure BDA0003266477410000079
中的最大值最小。
本实施例通过根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数，通过目标函数求解优化用户终端的卸载决策，使得无人机边缘计算服务范围最大化，同时兼顾考虑无人机负载均衡，适用于地面用户数量多且任务复杂，无人机计算能力有限，可能难以为全部用户用到提供服务的现实场景。
在上述实施例的基础上，本实施例中所述将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力之前，还包括：根据每个用户终端待卸载给每个无人机的边缘计算任务的大小和计算复杂度，获取每个用户终端待卸载给每个无人机的边缘计算任务的计算量；
将第k个用户终端的边缘计算任务表述为一个三元数组(lk,ck，tk)，lk表示第k个用户终端的边缘计算任务的大小，ck表示第k个用户终端的边缘计算任务的计算复杂度，即处理单位任务量所需的算力，tk表示第k个用户终端的边缘计算任务的预设最大完成时延。可选地，不失一般性，令tk＝T,k∈Δ。第k个用户终端的边缘计算任务的计算量为lkck。
根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间；
使用第m个用户终端的边缘计算任务的预设最大完成时延T减去第m个用户终端将边缘计算任务卸载给第k个无人机的卸载时间τm,k，获取第m个用户终端的边缘计算任务的完成时间。
将每个用户终端待卸载给每个无人机的边缘计算任务的计算量除以所述完成时间后相加，获取所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力。
第k个用户终端卸载给第m个无人机的边缘计算任务消耗的算力
Figure BDA0003266477410000081
所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力为
Figure BDA0003266477410000082
在上述实施例的基础上，本实施例中所述根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间之前，还包括：根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率；
用户终端以FDMA(Frequency Division Multiple Access，频分多址)方式将边缘计算任务上传给无人机，每个用户终端的子信道带宽为Bw，第k个用户终端将边缘计算任务发送给第m个无人机的发送速率为：
Figure BDA0003266477410000091
其中，Rm,k为第k个用户终端与第m个无人机之间的速率，
Figure BDA0003266477410000092
为无人机的接收噪声功率，Pm,k为第k个用户终端将边缘计算任务发送给第m个无人机的发送功率，hm,k为第k个用户终端与第m个无人机之间的信道功率增益。
将每个用户终端待卸载给每个无人机的边缘计算任务的大小除以所述速率，获取每个用户终端将所述边缘计算任务卸载给每个无人机的卸载时间。
第m个用户终端将边缘计算任务卸载给第k个无人机的卸载时间
Figure BDA0003266477410000093
在上述实施例的基础上，本实施例中所述根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率之前，还包括：根据每个用户终端的位置和每个无人机的位置，计算每个用户终端和每个无人机之间的距离；根据每个无人机的高度、每个无人机与每个用户终端之间的距离和预设参考功率，计算每个用户终端和每个无人机之间的信道功率增益。
第m个无人机与第k个用户终端之间的信道功率增益为：
Figure BDA0003266477410000101
其中，β0为预设参考功率。
在上述各实施例的基础上，每个无人机的结余算力大于或等于0；
Figure BDA0003266477410000102
每个用户终端最多给一个无人机待卸载所述边缘计算任务；
Figure BDA0003266477410000103
给每个无人机待卸载边缘计算任务的用户终端的数量小于或等于每个无人机的子信道个数N；
Figure BDA0003266477410000104
每个无人机的横坐标大于或等于所有用户终端的横坐标中的最小值，且小于或等于所有用户终端的横坐标中的最大值；
xmin≤qm,x≤xmax
每个无人机的纵坐标大于或等于所有用户终端的纵坐标中的最小值，且小于或等于所有用户终端的纵坐标中的最大值。
ymin≤qm,y≤ymax,m∈Θ
无人机群服务覆盖范围最大化优化问题建立如下：
Figure BDA0003266477410000111
Figure BDA0003266477410000112
Figure BDA0003266477410000113
C3:xmin≤qm，x≤xmax，ymin≤qm，y≤ymax，m∈Θ
其中，约束C1表示每个无人机的空闲算力可以将各用户终端卸载给其的边缘计算任务量在其规定时间内计算完毕。约束C2为μm，k的取值限制，约束C3为无人机的飞行范围约束。
在上述各实施例的基础上，如图3所示，本实施例中所述对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，包括：在所述目标函数中引入非负松弛变量；
由于目标函数为非凸问题，引入非负松弛变量β，并固定无人机的位置，得到如下优化问题：
Figure BDA0003266477410000114
s.t.C1，C2，
Figure BDA0003266477410000115
将引入所述非负松弛变量后的目标函数转化为标准形式；
引入非负松弛变量后的目标函数为混合整型线性规划问题，将其转化为如下标准形式：
Figure BDA0003266477410000116
s.t.Ax≤b
x(i)∈{0，1}，x(MK+1)≥0，i∈[1，MK]
其中，各量分别为：
Figure BDA0003266477410000117
Figure BDA0003266477410000121
BK×(MK+1)生成的伪代码如下：
Figure BDA0003266477410000122
C1×(MK+1)生成的伪代码如下：
Figure BDA0003266477410000123
DM×(MK+1)生成的伪代码如下：
Figure BDA0003266477410000124
Figure BDA0003266477410000131
EM×(MK+1)生成的伪代码如下：
Figure BDA0003266477410000132
FM×(MK+1)生成的伪代码如下：
Figure BDA0003266477410000133
基于分枝定界法对转化为标准形式的所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机；
转换为标准混合整型线性规划问题后，可用分枝定界法进行求解。然后通过遗传算法更新无人机位置，依次迭代，直至收敛或达到最大迭代次数。
在转化为标准形式的所述目标函数不收敛，且迭代次数未达到预设值的情况下，基于遗传算法对本次求解的每个用户终端待卸载边缘计算任务的无人机进行更新；
根据更新后的无人机再次对转化为标准形式的所述目标函数进行求解，直到转化为标准形式的所述目标函数收敛或所述迭代次数达到所述预设值。
对本实施例提供的多无人机边缘计算资源调度方法进行仿真，将无人机的CPU(Central Processing Unit，中央处理器)工作频率作为算力衡量指标。仿真主要参数包括xmin＝0,xmax＝50,ymin＝0,ymax＝50，fmax与pm,k分别为0.5GHz和1W。N＝20，K＝20，Bw为100kHz，
Figure BDA0003266477410000141
为10mW，lk为[0,106]bits内的随机取值，ck为1000，fm＝fmax，θ为1/fmax，ωl＝0.5。
图4显示了无人机服务覆盖范围与无人机最大算力、无人机个数之间的关系曲线，可以看出无人机的服务覆盖范围随着其计算能力与无人机个数增加而增加。图5显示了无人机负载方差与负载权值的关系曲线，可以看出随着负载权值增加，无人机负载会逐渐趋于均衡状态。图4和图5证明了本实施例中方案的有效性。
下面对本发明提供的多无人机边缘计算资源调度装置进行描述，下文描述的多无人机边缘计算资源调度装置与上文描述的多无人机边缘计算资源调度方法可相互对应参照。
如图6所示，该装置包括计算模块601、构建模块602和求解模块603，其中：
计算模块601用于将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
构建模块602用于根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
求解模块603用于对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
本实施例通过根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数，通过目标函数求解优化用户终端的卸载决策，使得无人机边缘计算服务范围最大化，同时兼顾考虑无人机负载均衡，适用于地面用户数量多且任务复杂，无人机计算能力有限，可能难以为全部用户用到提供服务的现实场景。
图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行多无人机边缘计算资源调度方法，该方法包括：将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的多无人机边缘计算资源调度方法，该方法包括：将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的多无人机边缘计算资源调度方法，该方法包括：将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种多无人机边缘计算资源调度方法，其特征在于，包括：
将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
2.根据权利要求1所述的多无人机边缘计算资源调度方法，其特征在于，所述将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力之前，还包括：
根据每个用户终端待卸载给每个无人机的边缘计算任务的大小和计算复杂度，获取每个用户终端待卸载给每个无人机的边缘计算任务的计算量；
根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间；
将每个用户终端待卸载给每个无人机的边缘计算任务的计算量除以所述完成时间后相加，获取所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力。
3.根据权利要求2所述的多无人机边缘计算资源调度方法，其特征在于，所述根据每个用户终端待卸载给每个无人机的边缘计算任务的预设最大完成时延和卸载时间，获取每个用户终端待卸载给每个无人机的边缘计算任务的完成时间之前，还包括：
根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率；
将每个用户终端待卸载给每个无人机的边缘计算任务的大小除以所述速率，获取每个用户终端将所述边缘计算任务卸载给每个无人机的卸载时间。
4.根据权利要求3所述的多无人机边缘计算资源调度方法，其特征在于，所述根据每个用户终端的子信道带宽、将所述边缘计算任务发送给每个无人机的发送功率、与每个无人机之间的信道功率增益和每个无人机的接收噪声功率，获取每个用户终端将所述边缘计算任务发送给每个无人机的发送速率之前，还包括：
根据每个用户终端的位置和每个无人机的位置，计算每个用户终端和每个无人机之间的距离；
根据每个无人机的高度、每个无人机与每个用户终端之间的距离和预设参考功率，计算每个用户终端和每个无人机之间的信道功率增益。
5.根据权利要求1-4任一所述的多无人机边缘计算资源调度方法，其特征在于，每个无人机的结余算力大于或等于0；
每个用户终端最多给一个无人机待卸载所述边缘计算任务；
给每个无人机待卸载边缘计算任务的用户终端的数量小于或等于每个无人机的子信道个数；
每个无人机的横坐标大于或等于所有用户终端的横坐标中的最小值，且小于或等于所有用户终端的横坐标中的最大值；
每个无人机的纵坐标大于或等于所有用户终端的纵坐标中的最小值，且小于或等于所有用户终端的纵坐标中的最大值。
6.根据权利要求1-4任一所述的多无人机边缘计算资源调度方法，其特征在于，所述对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，包括：
在所述目标函数中引入非负松弛变量；
将引入所述非负松弛变量后的目标函数转化为标准形式；
基于分枝定界法对转化为标准形式的所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机；
在转化为标准形式的所述目标函数不收敛，且迭代次数未达到预设值的情况下，基于遗传算法对本次求解的每个用户终端待卸载边缘计算任务的无人机进行更新；
根据更新后的无人机再次对转化为标准形式的所述目标函数进行求解，直到转化为标准形式的所述目标函数收敛或所述迭代次数达到所述预设值。
7.一种多无人机边缘计算资源调度装置，其特征在于，包括：
计算模块，用于将每个无人机的空闲算力减去所有用户终端待卸载给每个无人机的边缘计算任务消耗的总算力，获取每个无人机的结余算力；
构建模块，用于根据给每个无人机待卸载边缘计算任务的用户终端的数量和每个无人机的结余算力，构建目标函数；
求解模块，用于对所述目标函数进行求解，获取每个用户终端待卸载边缘计算任务的无人机，使得所有无人机对应的用户终端的总数量最大，且所述无人机的结余算力中的最大值最小。
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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6任一项所述多无人机边缘计算资源调度方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述多无人机边缘计算资源调度方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述多无人机边缘计算资源调度方法的步骤。
CN202111087978.2A 2021-09-16 2021-09-16 多无人机边缘计算资源调度方法及装置 Pending CN115827210A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111087978.2A CN115827210A (zh) 2021-09-16 2021-09-16 多无人机边缘计算资源调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111087978.2A CN115827210A (zh) 2021-09-16 2021-09-16 多无人机边缘计算资源调度方法及装置

Publications (1)

Publication Number Publication Date
CN115827210A true CN115827210A (zh) 2023-03-21

Family

ID=85515099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111087978.2A Pending CN115827210A (zh) 2021-09-16 2021-09-16 多无人机边缘计算资源调度方法及装置

Country Status (1)

Country Link
CN (1) CN115827210A (zh)

Similar Documents

Publication Publication Date Title
CN111240701B (zh) 一种端-边-云协同计算的任务卸载优化方法
CN109814951B (zh) 移动边缘计算网络中任务卸载及资源分配的联合优化方法
CN112104502B (zh) 时敏多任务边缘计算与缓存协作卸载策略方法
CN112737842B (zh) 空地一体化车联网中基于最小化时延的任务安全卸载方法
CN111132009B (zh) 物联网的移动边缘计算方法、装置及系统
CN110766159A (zh) 基于改进遗传算法的多uav服务边缘计算的任务分配方法
CN111711962B (zh) 一种移动边缘计算系统子任务协同调度方法
CN113365290B (zh) 天地融合网络中基于贪心策略的博弈论计算卸载方法
CN110856259A (zh) 移动边缘计算环境中自适应数据块大小的资源分配和卸载方法
Yu et al. UAV-aided low latency mobile edge computing with mmWave backhaul
CN114630397B (zh) 一种基于时隙划分的无人机接入选择方法
CN114884949B (zh) 基于maddpg算法的低轨卫星物联网任务卸载方法
CN115150781A (zh) 一种基于任务优先级的无人机协助边缘计算的资源分配方法
CN110290542A (zh) 海上无人机通信覆盖优化方法及系统
Wang et al. Digital twin-enabled computation offloading in UAV-assisted MEC emergency networks
CN114363803A (zh) 一种移动边缘计算网络节能的多任务分配方法及系统
CN113507712A (zh) 一种基于交替方向乘子的资源分配与计算任务卸载方法
CN111669758B (zh) 一种卫星无人机融合网络资源分配方法及装置
CN115827210A (zh) 多无人机边缘计算资源调度方法及装置
CN111405571A (zh) 卫星无人机混合网络的频谱共享方法
Shabanighazikelayeh et al. Optimal UAV deployment for rate maximization in IoT networks
CN113950059B (zh) 一种无人机中继辅助用户任务卸载的方法及系统
CN113709728B (zh) 一种基于noma及无人机辅助的两阶段移动边缘计算通信方法及系统
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
CN112969157B (zh) 一种无人机网络负载均衡方法

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