CN118158740A - 一种计算任务的处理方法及边缘计算网络系统 - Google Patents

Abstract

本申请公开了一种计算任务的处理方法及边缘计算网络系统。方法包括：确定目标计算任务集，目标计算任务集包含有由用户终端发起的多个计算任务。对目标计算任务集中的计算任务进行分类，得到由用户终端本地处理完成的第一类型计算任务、由用户终端卸载到无人机处理完成的第二类型计算任务，以及由用户终端以无人机为中继卸载到地面基站处理完成的第三类计算任务。基于用户终端处理第一类型计算任务；以及，基于用户终端将第二类型计算任务和第三类型计算任务卸载至无人机，以通过无人机处理第二类型计算任务，并通过无人机将第三类型计算任务卸载至地面基站进行处理。本申请能够在边缘计算服务对无人机进行有效利用，以提供算力上的支持。

Description

一种计算任务的处理方法及边缘计算网络系统

技术领域

本文件涉及边缘计算技术领域，尤其涉及一种计算任务的处理方法及边缘计算网络系统。

背景技术

随着边缘计算技术和无人机技术的快速发展，将无人机作为服务器，以利用其可快速部署的特点提供边缘计算服务，已成为人们备受关注的热点。

目前，无人机的电池容量和处理器功率都有一定限制，在续航和算力不足的情况下，如何有效利用无人机提供边缘计算服务，是当前亟需解决的技术问题。

发明内容

本申请实施例提供了一种计算任务的处理方法及边缘计算网络系统，能够在边缘计算服务对无人机进行有效利用，以提供算力上的支持。

为解决上述技术问题，本申请实施例是这样实现的：

第一方面，提出了一种计算任务的处理方法，应用于目标边缘计算网络系统，所述目标边缘计算网络系统包括用户终端、无人机和地面基站，所述无人机和所述地面基站作为供所述用户终端使用的边缘计算服务器；所述方法包括：

确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务；

对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务；

基于用户终端处理所述第一类型计算任务；以及，基于所述用户终端将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机，以通过所述无人机处理所述第二类型计算任务，并通过所述无人机将所述第三类型计算任务卸载至所述地面基站进行处理。

第二方面，提出了一种边缘计算网络系统，包括：用户终端、无人机和地面基站，所述无人机和所述地面基站作为供所述用户终端使用的边缘计算服务器；提取模块，从业务系统中提取告警日志；

所述用户终端用于：确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务；对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务；处理所述第一类型计算任务，并将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机；

所述无人机用于：处理接收到的所述第二类型计算任务，并将接收到的所述第三类型计算任务卸载至所述地面基站；

所述地面基站用于：处理接收到的所述第三类型计算任务。

本申请在边缘计算网络系统中为用户终端配置可作为边缘计算服务器使用的无人机和地面基站。在用户终端发起多个计算任务后，先对多个计算任务进行分类，确定由用户终端本地处理完成的第一类型计算任务、由用户终端卸载到无人机处理完成的第二类型计算任务，以及由用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务。这样一来，对于无人机不适合处理的第三类型计算任务，用户终端可以将无人机作为与地面基站建立联系的中继，以利用无人机高机动的特点，将第三类计算任务快速卸载到有稳定电网电源供应的地面基站进行处理，从而在无人机续航和算力不足的限制下，也能尽可能发挥其在边缘计算中的作用。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例的边缘计算网络系统的结构示意图。

图2为本申请实施例的计算任务的处理的流程示意图。

图3为本申请实施例的电子设备的结构示意图。

具体实施方式

如前所述，无人机的电池容量和处理器功率都有一定限制，在续航和算力不足的情况下，如何有效利用无人机提供边缘计算服务，是当前亟需解决的技术问题。

鉴于此，本申请提出一种全新的边缘计算方案，应用目标边缘计算网络系统。图1是本实施例目标边缘计算网络系统的结构示图，包括：用户终端、无人机和地面基站。其中，用户终端负责发起计算任务；无人机和地面基站作为供用户终端使用的边缘计算服务器。在本申请中，对于无人机能够处理的计算任务，则用户终端将无人机作为边缘计算服务器进行使用；对于无人机不适合处理的计算任务，则用户终端将无人机作为与地面基站联系的中继，通过无人机将计算任务卸载到地面基站进行处理。

为使本文件的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本文件一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本文件保护的范围。

图2是本申请的一个计算任务的处理方法，应用于上述目标边缘计算网络系统，包括：

S102，确定目标计算任务集，目标计算任务集包含有由用户终端发起的多个计算任务。

本实施例中，目标计算任务集中的计算任务可以来自同一用户终端，也可以来自不同用户终端，这里本文不作具体限定。

S104，对目标计算任务集中的计算任务进行分类，得到由用户终端本地处理完成的第一类型计算任务、由用户终端卸载到无人机处理完成的第二类型计算任务，以及由用户终端以无人机为中继卸载到地面基站处理完成的第三类计算任务。

作为其中可行的实现方式，本实施例以预设时长T内最大化完成目标计算任务集中的计算任务数量为目的，对目标计算任务集中的计算任务进行分类。

这里以策略梯度法为示例：

可以构建状态向动作映射的策略函数；策略函数的策略参数为目标计算任务集对应的计算任务分类结果；状态目标计算任务集在该计算任务分类结果下对应的总处理耗时；动作包括：计算任务由用户终端本地处理完成变更为由用户终端卸载到无人机处理完成的动作，或计算任务由用户终端本地处理完成变更为由用户终端以无人机为中继卸载到地面基站处理完成的动作；

接下来，定义回报函数，回报函数用于表征计算任务由用户终端本地处理完成变更为由用户终端卸载到无人机处理完成的收益，以及计算任务由用户终端本地处理完成变更为由用户终端以无人机为中继卸载到地面基站处理完成的收益；

之后，基于于报函数，以预设时长内收益增大为梯度，对策略函数的策略参数进行更新，以确定目标计算任务集中由用户终端本地处理完成的第一类型计算任务、由用户终端卸载到无人机处理完成的第二类型计算任务，以及由用户终端以无人机为中继卸载到地面基站处理完成的第三类计算任务。其中，需要在梯度更新过程中减少方差的影响，则还可以引入一个基线(如状态的估计值)，在确定梯度后，进一步在基线的基础上，对策略函数的策略参数进行更新。

需要说明的是：

任意目标计算任务由用户终端卸载到无人机处理完成的耗时包括：目标计算任务由用户终端卸载到无人机的耗时，以及无人机处理目标计算任务的耗时。

任意目标计算任务由用户终端以无人机为中继卸载到地面基站处理完成的耗时包括：目标计算任务由用户终端卸载到无人机的耗时、目标计算任务由无人机卸载到地面基站的耗时，以及地面基站处理目标计算任务的耗时，得到由用户终端本地处理完成的第一类型计算任务、由用户终端卸载到无人机处理完成的第二类型计算任务，以及由用户终端以无人机为中继卸载到地面基站处理完成的第三类计算任务。

其中，目标计算任务由用户终端卸载到无人机的耗时是基于无人机的接收端噪声功率和终端设备的传输功率确定得到的；目标计算任务由无人机卸载到地面基站的耗时是基于地面基站的接收端噪声功率和无人机的传输功率确定得到的。无人机处理目标计算任务的耗时是基于目标计算任务的数据量、计算复杂度，以及无人机的CPU时钟功率确定得到；地面基站处理目标计算任务的耗时是基于目标计算任务的数据量、计算复杂度，以及地面基站的CPU时钟功率确定得到。

S106，基于用户终端处理第一类型计算任务；以及，基于用户终端将第二类型计算任务和第三类型计算任务卸载至无人机，以通过无人机处理第二类型计算任务，并通过无人机将第三类型计算任务卸载至地面基站进行处理。

下面对本实施例方法对计算任务进行分类的路程进行详细介绍。

考虑一个UAV、N个地面用户设备(User Equipment，UE)、一个地面基站(BaseStation,BS)。BS上搭载了一个强大的边缘计算服务器。令N＝{1,2,…,N}表示地面用户的集合，系统以逐时隙的方式运行，每个时隙的长度均为Δ，本文关注T个时隙内的长期效益优化问题，且令T＝{1,2,…,T}表示全部时隙的集合。采用三维坐标系，BS和第n个UE的水平坐标可以分别表示为l^BS＝(x_b,y_b)和无人机以固定高度H，并按预定的轨迹飞行，每个时隙的长度被分割的足够小，以保证无人机在一个时隙内的位置近似不变，在时隙t内无人机的水平坐标可以表示为l^UAV(t)＝[x_U(t),y_U(t)]。

假设无人机空对地无线信道由视距信道主导，在时隙t内无人机到地面BS以及到第n个地面UE之间的信道功率增益可以分别表示为

其中ρ_n,n∈N表示参考距离为1米情况下的信道功率增益。

在每个时隙的开始，用户均有一个新的待处理计算任务到达，由三元组表示，其中/>表示计算任务/>的输入数据量，表示计算任务/>的计算复杂度，/>表示计算任务/>的最大可容忍时延。考虑实际应用中任务随机到达的场景，即计算任务从离散任务集/>中随机生成，相应的计算复杂度和最大可容忍处理时延可以分别表示为和/>

每个时隙开始阶段，用户需要对任务处理做出决策，即决定任务在本地执行、或卸载到无人机执行或利用无人机作为中继进一步将任务卸载到远端BS辅助执行。令α_n,t∈{0,-1,1},n∈N,t∈T表示用户卸载决策变量，其中α_n,t＝0表示用户任务在本地执行；α_n,t＝-1表示计算任务卸载到无人机上执行；α_n,t＝1表示任务利用无人机中继卸载到远端BS辅助计算。考虑到计算任务的实际时延约束，当任务处理时延超过其最大可容忍时延，则任务被丢弃。

每个UE和UAV均有一个传输队列和一个计算队列，采用先进先出的方式工作。若α_n,t＝0则将待处理任务存放在计算队列中等待处理；若α_n,t＝±1则用户将计算任务存放在传输队列中等待向无人机传输；若α_n,t＝-1则将卸载到无人机的计算任务进一步存储到无人机计算队列等待处理；若α_n,t＝-1则将卸载到无人机的计算任务进一步存储到无人机的传输队列，等待向BS进一步卸载。

计算任务本地计算需要消耗的时隙数可以表示为

其中，表示向上取整操作，/>表示用户本地计算的CPU时钟频率。考虑到用户的有限计算能力，计算任务/>通常无法在一个时隙内完成。因此，后续到达的任务需要等待该任务处理完成，相应的等待时间可以表示为：

其中[x]⁺＝max(0,x)，表示计算任务/>完成的时隙，具体可以表示为：

的值可以利用递归的方法获得，/>其中/>表示UE处理的最后一个任务。因此，处理计算任务/>需要消耗的时隙可表示为:

同时，考虑到计算任务的最大处理时延要求，完成计算任务的总时隙数为：

在用户向无人机卸载阶段采用频分多址协议，总体可用带宽被均分给各用户以保证用户之间的公平性。在时隙t内用户n的卸载速率可以表示为：

其中，W_N表示总体可用带宽，σ²表示无人机接收端噪声功率，表示用户传输功率。计算任务的卸载需要消耗的时隙数可表示为：

其中Z₊₊表示正整数集，表示计算任务开始卸载的时隙。任务卸载传输的等待时延可表示为：

其中，表示计算任务/>完成的时隙，可表示为：

的值可通过递归法获得，/>其中/>表示用户卸载的第一个任务。则完成计算任务卸载过程所需消耗的全部时隙数可表示为：

在卸载过程完成后，计算任务将存储在无人机的计算队列中等待处理。为了保证用户之间的公平性，无人机的计算资源被平均分配给每一个用户。则计算任务的处理时间可表示为：

其中，f_max表示无人机最大可用CPU时钟频率。计算任务的等待时间可表示为：

其中，表示计算任务/>完成的时隙索引，可表示为：

可得 表示无人机上第一个任务开始处理的时间。因此，计算任务/>的总体处理时间可表示为：

完成计算任务所消耗的时隙数可表示为：

无人机向BS进一步卸载计算任务阶段，采用时分多址协议，将时隙均匀分配为N个等长的子时隙，即δ＝Δ/N。无人机的传输速率可以表示为：

其中，表示BS接收端噪声功率，P^UAV表示无人机发送功率。执行计算任务卸载所需消耗的时隙数可表示为：

其中，表示计算任务/>开始卸载时的时隙索引。计算任务卸载等待时隙数可表示为：

其中，表示计算任务卸载完成的时隙索引，具体可表示为：

可得，其中，/>表示第一个向无人机卸载的任务。因此，BS执行计算任务/>所消耗的总体时隙数为：

考虑到实际的计算任务时延需求，任务总体处理时间可表示为：

为了最大化用户长期完成计算任务量，建立优化问题如下：

s.t.α_n,t∈{-1,0,1},n∈N,t∈T

其中，γ∈[0,1]为衰减因子，表示了将来收益相较于当前收益的重要程度；为指示函数。具体而言，/>表示任务在时延需求内处理完成，表示任务处理时间超过时延需求。为了求解上述非凸优化问题，基于深度强化学习开发了优化算法。

将原始优化问题分解为N个独立的子优化问题：

s.t.α_n,t∈{-1,0,1},t∈T

采用参数化策略梯度法和基线法来获得最优的任务分配，系统状态、动作、回报函数以及策略定义如下：

(1)系统状态S_n(t)：时隙n内用户状态表示为：

S_n(t)＝(s₁(t),s₂(t),s₃(t),s₄(t),s₅(t),s₆(t),s₇(t),s₈(t),s₉(t))

其中：

(2)动作A_n(t)：A_n(t)表示用户卸载决策变量，即

A_n(t)＝α_n,t,n∈N,t∈T

(3)回报函数R_n(t)：回报函数表示用户做出卸载决策后的即时奖励，与优化问题中的目标函数相关，可定义为：

(4)策略策略表示用户状态S_n(t)向动作A_n(t)的映射，即/>其中θ_n表示策略的参数。

基于上述分析，优化问题转化为：

s.t.α_n,t∈{-1,0,1},t∈T

参数化策略梯度法使用参数化策略，通过梯度迭代方法对策略参数进行更新。一个典型的性能度量U(θ_n)可表示为其为策略的值函数。策略值梯度可表示为：

为了减少学习过程中的方差，可以引入一个与动作无关的基线b[S_n(t)]，得到带基线的策略梯度方法：

选择状态值的估计值v[S_n(t)；w]作为基线，其中是状态值函数w的权向量。因此，θ_n可更新为：

其中，α表示学习率，θ_n,t表示时隙t内θ_n的估计值。

基于上述可知，在本实施例的边缘计算网络系统中:

用户终端用于：确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务；对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务；处理所述第一类型计算任务，并采用频分多址协议将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机。

无人机用于：处理接收到的所述第二类型计算任务，并采用时分多址协议将接收到的所述第三类型计算任务卸载至所述地面基站.

所述地面基站用于：处理接收到的所述第三类型计算任务。

综上所述，本申请实施例的方案利用无人机中继技术作为提升地面通信网络信道质量的有效手段，可在地面用户和远端高性能地面边缘服务器之间搭建起高质量视距通信信道。基于无人机中继，可将用户计算任务进一步卸载到地面边缘服务器，利用有稳定电网电源供应的地面边缘服务器为无人机边缘计算网络提供额外的算力支撑，能够提升网络在计算任务高发阶段的稳定性，延长无人机续航时间。

图3是本申请的一个实施例提供的电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。其中，处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成本实施例中边缘计算网络系统的用户终端。处理器，执行存储器所存放的程序，并具体用于执行以下操作：

确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务。

对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务。

处理所述第一类型计算任务；以及，将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机，以通过所述无人机处理所述第二类型计算任务，并通过所述无人机将所述第三类型计算任务卸载至所述地面基站进行处理。

上述如本申请图2所示实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序。其中，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：

在第一用户启动所述目标浏览器的RPA任务后，基于所述RPA系统中的所述目标浏览器的用户历史队列，判断所述第一用户与上一次启动所述目标浏览器的RPA任务的第二用户是否为同一用户。

在所述第一用户与所述第二用户不是同一用户的情况下，将RPA系统当前的所述目标浏览器的浏览器缓存作为所述第二用户的历史缓存，以迁移至外部针对所述目标浏览器设置的历史缓存存储区。以及，

执行所述第一用户启动的RPA任务。

总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请一个或多个实施例的保护范围之内。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

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。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种计算任务的处理方法，应用于目标边缘计算网络系统，其特征在于，所述目标边缘计算网络系统包括用户终端、无人机和地面基站，所述无人机和所述地面基站作为供所述用户终端使用的边缘计算服务器；所述方法包括：

确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务；

对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务；

基于用户终端处理所述第一类型计算任务；以及，基于所述用户终端将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机，以通过所述无人机处理所述第二类型计算任务，并通过所述无人机将所述第三类型计算任务卸载至所述地面基站进行处理。

2.根据权利要求1所述的方法，其特征在于，

对所述目标计算任务集中的计算任务进行分类，得到由用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务，包括：

以预设时长内最大化完成所述目标计算任务集中的计算任务数量为目的，对所述目标计算任务集中的计算任务进行分类，得到由用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务。

3.根据权利要求2所述的方法，其特征在于，

以预设时长内最大化完成所述目标计算任务集中的计算任务数量为目的，对所述目标计算任务集中的计算任务进行分类，得到由用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务，包括：

构建状态向动作映射的策略函数；所述策略函数的策略参数为所述目标计算任务集对应的计算任务分类结果；所述状态所述目标计算任务集在该计算任务分类结果下对应的总处理耗时；所述动作包括：计算任务由用户终端本地处理完成变更为由用户终端卸载到无人机处理完成的动作，或计算任务由用户终端本地处理完成变更为由用户终端以所述无人机为中继卸载到所述地面基站处理完成的动作；

构建回报函数，所述回报函数用于表征计算任务由用户终端本地处理完成变更为由用户终端卸载到无人机处理完成的收益，以及计算任务由用户终端本地处理完成变更为由用户终端以所述无人机为中继卸载到所述地面基站处理完成的收益；

基于所述回报函数，以预设时长内收益增大为梯度，对所述策略函数的策略参数进行更新，以确定所述目标计算任务集中由用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务。

4.根据权利要求3所述的方法，其特征在于，

基于所述回报函数，以预设时长内收益增大为梯度，对所述策略函数的策略参数进行更新，包括：

基于所述回报函数，以预设时长内收益增大为梯度，在预设的基线基础上，对所述策略函数的策略参数进行更新；其中，所述基线为所述状态的估计值。

5.根据权利要求3所述的方法，其特征在于，

任意目标计算任务由所述用户终端卸载到无人机处理完成的耗时包括：所述目标计算任务由所述用户终端卸载到所述无人机的耗时，以及所述无人机处理所述目标计算任务的耗时；

任意目标计算任务由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的耗时包括：所述目标计算任务由所述用户终端卸载到所述无人机的耗时、所述目标计算任务由所述无人机卸载到所述地面基站的耗时，以及所述地面基站处理所述目标计算任务的耗时，得到由用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务。

6.根据权利要求4所述的方法，

所述目标计算任务由所述用户终端卸载到所述无人机的耗时是基于所述无人机的接收端噪声功率和所述终端设备的传输功率确定得到的；

所述目标计算任务由所述无人机卸载到所述地面基站的耗时是基于所述地面基站的接收端噪声功率和所述无人机的传输功率确定得到的。

7.根据权利要求4所述的方法，其特征在于，

所述无人机处理所述目标计算任务的耗时是基于所述目标计算任务的数据量、计算复杂度，以及所述无人机的CPU时钟功率确定得到；

所述地面基站处理所述目标计算任务的耗时是基于所述目标计算任务的数据量、计算复杂度，以及所述地面基站的CPU时钟功率确定得到。

8.一种边缘计算网络系统，其特征在于，包括：用户终端、无人机和地面基站，所述无人机和所述地面基站作为供所述用户终端使用的边缘计算服务器；

所述用户终端用于：确定目标计算任务集，所述目标计算任务集包含有由所述用户终端发起的多个计算任务；对所述目标计算任务集中的计算任务进行分类，得到由所述用户终端本地处理完成的第一类型计算任务、由所述用户终端卸载到无人机处理完成的第二类型计算任务，以及由所述用户终端以所述无人机为中继卸载到所述地面基站处理完成的第三类计算任务；处理所述第一类型计算任务，并将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机；

所述无人机用于：处理接收到的所述第二类型计算任务，并将接收到的所述第三类型计算任务卸载至所述地面基站；

所述地面基站用于：处理接收到的所述第三类型计算任务。

9.根据权利要求7所述的系统，其特征在于，

所述用户终端采用频分多址协议将所述第二类型计算任务和所述第三类型计算任务卸载至所述无人机。

10.根据权利要求7所述的系统，其特征在于，

所述无人机采用时分多址协议将将接收到的所述第三类型计算任务卸载至所述地面基站。