[發明專利]一種無人機邊緣計算資源動態優化方法、系統及存儲介質

有效

• 申請號: 202010560712.4
• 申請日: 2020-06-18
• 公開（公告）號: CN111709582B
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 張永挺;謝幸生;楊晟;林洪棟;江玉歡;邱桂洪;朱興旺;朱翚;林永昌;吳啟民;丁宗寶;馮燦成;張新明
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司中山供電局
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62;G06N3/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種無人機邊緣計算資源動態優化方法，其特征在于，包括以下步驟：

S1：收集變電站無人機巡檢的資源拓撲圖，得到初始資源分配情況；

S2：根據所述初始資源分配情況，采用多維博弈方法對調度服務器與前端的總體資源進行均衡分配；其具體步驟如下：

S2.1：搭建資源分配模型：將調度服務器與前端視為博弈參與人，記為i，且i＝1,2,...,n，n為博弈參與人總數；將資源分配作為博弈策略，記為S_i，且資源分配的集合記為S＝{S₁,S₂,...,S_n}；數據占用空間為相應的收益，記為U_i，且收益集合記為U＝{U₁,U₂,...,U_n}；均衡策略則為系統博弈后所得到的最優資源分配；

S2.2：令收益U_i為第i個參與人的總支付，U＝{U₁,U₂,...,U_n}為n個參與人的總支付組合；其中，U_i＝U_i[(s₁₁,s₁₂,...,s_1m),...,(s_i1,s_i2,...,s_im),...,(s_n1,s_n2,...,s_nm)]，(s_i1,s_i2,...,s_im)表示第i個參與人在第m維均衡情況下的最優攻略，即為第i個參與人的所有可能戰略中使收益U_i最大化的戰略；

S2.3：在各博弈策略空間內隨機生成初始可行策略s₀＝{s₁₀,s₂₀,...,s_n0}；記s_i-1為除博弈參與人i以外其他博弈者的策略集合，以任意第i個參與人的收益U_i為目標，同時固定s_i-1不變，在屬于該博弈方的策略空間s_i內進行單目標優化，求得最佳決策s_i^*最優化博弈者收益，從而得出穩定的Nash均衡解，實現資源的均衡分配；

S3：基于粒子群優化算法與多維LS-SVM算法，以資源存活率最優為目標，實現計算及存儲資源的分配、調度和回收；其具體步驟包括：

S3.1：搜索調度服務器與前端的有效資源數據作為原始樣本數據；

S3.2：對所述原始樣本數據進行尺度變換預處理；其中，將所述原始樣本數據變換到[a,b]范圍內，預處理后的樣本數據為：

其中，a、b為正整數，且ab；x_i表示第i個博弈參與人的原始樣本數據，x_max和x_min分別表示原始樣本數據中最大和最小的樣本值；X_i表示經過預處理的第i個博弈參與人的樣本數據；

S3.3：利用粒子群優化算法改進基于LS-SVM算法建立的資源調度回收模型，以資源存活率最優為目標，實現計算及存儲資源的分配、調度和回收；其具體步驟如下：

S3.3.1：確定LS-SVM目標函數，其中，LS-SVM目標函數的表達公式如下：

式中，f(x)為預測的樣本存活率，x表示樣本，α_i和β為進行LS-SVM模型預測的參數；K(x,X_i)為核函數，且所述核函數必須正定且滿足Mercer定理；σ為核參數；

S3.3.2：利用粒子群優化算法對LS-SVM目標函數進行參數尋優；其中，在對LS-SVM目標函數進行參數尋優過程中，通過引入動態慣性權重ω(t)控制粒子群優化算法的局部與全局的尋優性能；其表達公式如下：

υ_sd(t+1)＝ω(t)υ_sd(t)+c₁(t)r₁(t)(p_sd(t)-x_sd(t))+c₂(t)r₂(t)(p_sd(t)-x_sd(t))

x_sd(t+1)＝x_sd(t)+υ_sd(t+1)

其中，t為進化代數，T為最大進化代數；υ_sd(t)表示粒子在解空間內飛行的速度；r₁(t)和r₂(t)分別表示期間[0,1]；p_sd(t)表示全局最優解；x_sd(t)表示當前最優解；ω₁為初始慣性權值，ω₂為終止慣性權值；c₁(t)和c₂(t)為進化代數為t時的加速常數，且c₁(t)表示初值c_1i線性減小到終值c_1f的加速常數，c₂(t)表示初值c_2i線性減小到終值c_2f的加速常數；

S3.3.3：判斷資源類型，從而輸出資源處理結果，完成資源的分配、調度和回收。