[發明專利]無人機協助移動邊緣計算中的動態計算卸載和服務器部署方法

在審

• 申請號: 202110633417.1
• 申請日: 2021-06-07
• 公開（公告）號: CN113377533A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 寧兆龍;楊雨軒;王小潔;郭磊;高新波
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N5/04
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 李金蓉

本發明公開了一種無人機協助移動邊緣計算中的動態計算卸載和服務器部署方法，首先構建多用戶在無人機協助移動邊緣計算網絡中的通信和計算模型，提出系統范圍計算成本的最小化問題；接著利用博弈論，將系統范圍計算成本最小化問題解構為兩個隨機博弈，同時提出兩個基于策略選擇概率的學習算法，在動態環境下分別收斂于兩個隨機博弈的純策略納什均衡；最后，將上述兩個學習算法嵌套入一個對局式的異步更新框架，交替執行兩種學習算法，以解決所提出的系統范圍計算成本最小化問題。本發明實用、高效地同時解決了動態環境下多用戶計算卸載問題和邊緣服務器部署問題，最小化系統范圍的計算成本，為無人機協助移動邊緣計算的發展和實際應用提供了一個良好的范例。

技術領域

本發明涉及無人機協助移動邊緣計算網絡中的動態多用戶計算卸載和邊緣服務器部署問題。通過博弈論和學習自動機理論的結合，本發明在動態環境下同時實現用戶高效計算卸載和無人機邊緣服務器最優部署，從而最小化系統范圍計算成本。

背景技術

隨著智能手機、智能手環等智能移動設備的大量涌現，數據呈爆炸式增長，大量計算密集型和延遲敏感型移動智能應用程序也受到愈發廣泛地關注，例如交互游戲、面部識別和增強現實等。移動邊緣計算(Mobile Edge Computing，下文簡稱MEC)被認為是一種有前途的技術，因為它具有以令人滿意的性能支持那些資源渴求應用程序的能力。用戶能夠將其計算任務轉移到資源豐富的基礎架構中，例如與MEC服務器并置的宏基站或無人機(Unmanned Aerial Vehicles，下文簡稱UAV)。通常，如果缺乏謹慎的多用戶計算卸載策略設計，則有限的通信和計算資源將阻礙用戶接收實時移動服務。同時，邊緣服務器部署會影響邊緣服務器與移動設備之間的信道狀況，進而影響用戶計算卸載策略。因此，用戶的計算卸載策略與邊緣服務器的部署需要同時被考慮，才能為用戶提供實時移動智能應用。

現有研究著重于解決用戶計算卸載和邊緣服務器部署問題的其中之一。針對計算卸載問題，文獻[1]提出了一種部分計算卸載和自適應任務調度框架，通過博弈論和凸優化的結合來最大化5G車聯網的系統范圍效用。在文獻[2]中，作者將無線體域網外的患者計算卸載策略選擇建模為非合作博弈，以最大程度地降低系統范圍計算成本。針對邊緣服務器部署問題，文獻[3]的作者利用混合整數編程來平衡邊緣服務器之間的工作量，并通過最優化邊緣服務器部署來最大程度地減少移動用戶的訪問延遲。在文獻[4]中，作者提出了一個名為Tentacle的框架，通過發掘適當的不可見的邊緣位置來優化整個系統計算成本。文獻[5]應用遺傳算法和局部搜索算法，在最少的探索范圍內找到邊緣服務器部署問題的最佳解決方案。

無人機協助的MEC架構(UAV-enabled MEC)由于其高視線吞吐量(line-of-sightthroughput)和便捷的部署而被認為是同時解決用戶計算卸載和邊緣服務器部署問題的一種有效方法，尤其是在沒有基礎架構覆蓋的情況下。在文獻[6]中，作者提出一種基于懲罰的對偶分解算法，通過聯合優化無人機軌跡、任務計算卸載率和用戶調度，將所有用戶的最大延遲總和最小化。文獻[7]研究了多個無人機協助的MEC網絡，其中將具有時延和覆蓋范圍約束的總功率最小化問題分解為三個子問題，迭代地達到了最佳功率控制、用戶計算卸載策略和邊緣服務器部署。

然而現有的研究均采用準靜態(quasi-static)假設，即在用戶計算卸載或邊緣服務器部署期間，用戶或邊緣服務器的集合保持不變。這一假設無法滿足更為現實的動態環境。所謂動態環境，指的是用戶隨機產生計算任務以及無線衰落信道隨時間變化。對于這種情景，需要研究人員提出一種能夠充分適應動態環境的方法，同時解決多用戶計算卸載問題和邊緣服務器部署問題，從而最小化系統范圍的計算成本。

發明內容