[發(fā)明專利]基于任務(wù)預(yù)測的多無人機(jī)輔助邊緣計(jì)算資源分配方法

有效

• 申請?zhí)枺?/td>: 202011227194.0
• 申請日: 2020-11-05
• 公開（公告）號: CN112351503B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 覃振權(quán);程贊萍;盧炳先;王雷;朱明;王治國
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: H04W72/04
• 分類號: H04W72/04;H04W72/08
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 溫福雪;侯明遠(yuǎn)

一種基于任務(wù)預(yù)測的多無人機(jī)輔助邊緣計(jì)算資源分配方法，首先對無人機(jī)輔助邊緣計(jì)算卸載場景中的通信模型、計(jì)算模型和能量損耗模型進(jìn)行建模；將無人機(jī)輔助邊緣計(jì)算卸載網(wǎng)絡(luò)的系統(tǒng)總能耗最小化問題建模為終端設(shè)備任務(wù)可預(yù)測過程；通過接入終端設(shè)備的歷史數(shù)據(jù)，采用集中訓(xùn)練得到不同終端設(shè)備的預(yù)測模型參數(shù)；基于當(dāng)前接入終端設(shè)備的任務(wù)信息，利用預(yù)測模型得到下一時(shí)隙的預(yù)測任務(wù)集；基于預(yù)測任務(wù)集，將原問題分解為無人機(jī)部署問題和任務(wù)調(diào)度問題進(jìn)行聯(lián)合優(yōu)化。本發(fā)明通過深度學(xué)習(xí)算法能夠有效減少任務(wù)的響應(yīng)時(shí)延和完成時(shí)延，從而減少計(jì)算能耗；引入進(jìn)化算法解決聯(lián)合無人機(jī)部署和任務(wù)調(diào)度優(yōu)化問題，極大減少無人機(jī)的懸停能耗和提高了計(jì)算資源利用率。

技術(shù)領(lǐng)域

本發(fā)明涉及無線通信技術(shù)領(lǐng)域，特別涉及一種基于任務(wù)預(yù)測的多無人機(jī)輔助邊緣計(jì)算資源分配方法。

背景技術(shù)

聯(lián)網(wǎng)技術(shù)的飛速發(fā)展使得物聯(lián)網(wǎng)設(shè)備爆發(fā)式增長，網(wǎng)絡(luò)邊緣產(chǎn)生的海量數(shù)據(jù)將會(huì)給傳輸網(wǎng)絡(luò)和云計(jì)算中心帶來巨大壓力。為了解決這些問題，提出移動(dòng)邊緣計(jì)算，有效的打破了云計(jì)算發(fā)展的瓶頸，又釋放了終端的壓力，實(shí)現(xiàn)邊緣智能、低延時(shí)和大帶寬處理數(shù)據(jù)。現(xiàn)有研究移動(dòng)邊緣計(jì)算時(shí)服務(wù)器的位置都是固定，不能根據(jù)移動(dòng)用戶的需求靈活改變。由于無人飛行器UAV的可控制、易部署和低成本等特點(diǎn)，無人飛行器在無線通信中受到了廣泛的關(guān)注。盡管無人機(jī)可以為移動(dòng)邊緣計(jì)算網(wǎng)絡(luò)提供計(jì)算和存儲(chǔ)功能，但是由于電池容量和硬件限制，往往無法長時(shí)間保持飛行狀態(tài)、覆蓋范圍以及無法布置具有高計(jì)算資源的邊緣服務(wù)器。因此，如何根據(jù)動(dòng)態(tài)改變的業(yè)務(wù)數(shù)據(jù)流的動(dòng)態(tài)調(diào)整無人機(jī)的部署方案和任務(wù)調(diào)度方案從而最小化系統(tǒng)能耗是目前研究的關(guān)鍵難點(diǎn)。

2019年，Xiaoyan Hu等人在論文《UAV-Assisted Relaying and Edge ComputingScheduling and Trajectory Optimization》提出一種單無人機(jī)輔助邊緣計(jì)算的部署與任務(wù)調(diào)度聯(lián)合優(yōu)化方案，利用三步交替優(yōu)化算法來聯(lián)合優(yōu)化計(jì)算資源調(diào)度、帶寬分配和無人機(jī)的軌跡，從而最小化UAV和終端用戶的加權(quán)能耗。2020年，Hongzhi Guo等人在論文《UAV-Enhanced Intelligent Offloading for Internet of Things at the Edge》提出在無人機(jī)-邊緣物聯(lián)網(wǎng)智能卸載方面研究了無人機(jī)增強(qiáng)邊緣的能量減少問題，提出了最優(yōu)任務(wù)卸載方案。利用塊坐標(biāo)下降法對卸載決策、位分配和無人機(jī)軌跡等問題進(jìn)行聯(lián)合交替優(yōu)化，從而最小化智能移動(dòng)設(shè)備上的計(jì)算任務(wù)所需的總能耗。

綜上所述，現(xiàn)有的研究成果都是考慮單無人機(jī)輔助移動(dòng)邊緣計(jì)算系統(tǒng)，這對移動(dòng)邊緣計(jì)算性能的提高十分有限。因此，研究多無人機(jī)輔助邊緣計(jì)算十分必要。在針對多無人機(jī)輔助邊緣計(jì)算時(shí)，需要考慮聯(lián)合優(yōu)化無人機(jī)部署和任務(wù)調(diào)度，從而減少無人機(jī)機(jī)械能耗和完成任務(wù)所需能耗，以確保無人機(jī)集群能夠盡可能地為物聯(lián)網(wǎng)設(shè)備服務(wù)。并且由于業(yè)務(wù)數(shù)據(jù)流的動(dòng)態(tài)改變，對網(wǎng)絡(luò)資源進(jìn)行分析和預(yù)測十分必要。人工智能(AI)技術(shù)是當(dāng)前通信領(lǐng)域中動(dòng)態(tài)組織網(wǎng)絡(luò)資源的強(qiáng)大工具。它使用機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和其他算法優(yōu)化用于計(jì)算，通信和存儲(chǔ)資源的方案，并為通信網(wǎng)絡(luò)提供認(rèn)知信息服務(wù)。為了將現(xiàn)有的移動(dòng)邊緣計(jì)算升級為更強(qiáng)大的平臺(tái)，以解決未來網(wǎng)絡(luò)的延遲，擁塞和低容量問題，本發(fā)明考慮將多無人機(jī)輔助邊緣計(jì)算系統(tǒng)和AI技術(shù)結(jié)合，通過智能資源分配實(shí)現(xiàn)多無人機(jī)輔助邊緣計(jì)算網(wǎng)絡(luò)能效優(yōu)化。

發(fā)明內(nèi)容

本發(fā)明為了克服上述現(xiàn)有技術(shù)的不足，提出一種基于任務(wù)預(yù)測的多無人機(jī)輔助邊緣計(jì)算資源分配方法，利用任務(wù)預(yù)測模型解決不同時(shí)隙業(yè)務(wù)數(shù)據(jù)流動(dòng)態(tài)改變問題以及通過無人機(jī)部署和任務(wù)調(diào)度聯(lián)合優(yōu)化，基于預(yù)測任務(wù)集得到下一時(shí)隙最優(yōu)無人機(jī)部署方案和任務(wù)調(diào)度方案，以此降低系統(tǒng)總能耗。

本發(fā)明的技術(shù)方案：

一種基于任務(wù)預(yù)測的多無人機(jī)輔助邊緣計(jì)算資源分配方法，步驟如下：

(1)建立多無人機(jī)輔助邊緣計(jì)算卸載模型，主要包括以下4個(gè)步驟：