[發明專利]空天地一體化網絡中時延最小化計算任務卸載方法及系統

有效

• 申請號: 202110720194.2
• 申請日: 2021-06-28
• 公開（公告）號: CN113346944B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 王政;俞暉;朱世超;韋安琪
• 申請（專利權）人: 上海交通大學
• 主分類號: H04B7/185
• 分類號: H04B7/185;H04L41/083;H04L41/142;H04L41/14;G06N3/04
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種空天地一體化網絡中時延最小化計算任務卸載方法及系統，包括：步驟S1：建立支持計算任務卸載的空天地一體化網絡的網絡架構；步驟S2：基于空天地一體化網絡的網絡架構構建空天地一體化網絡模型；步驟S3：基于構建的空天地一體化網絡模型建立面向時延最小的優化問題；步驟S4：將優化問題建模為馬爾科夫決策過程；步驟S5：采用CL?MADDPG算法求解馬爾科夫決策過程，輸出卸載策略。本發明可以充分利用空天地一體化網絡中的計算資源，輸出計算任務最優卸載策略，減少計算任務的處理時延。

技術領域

本發明涉及物聯網、無線通信、人工智能領域，具體地，涉及空天地一體化網絡中時延最小化計算任務卸載方法及系統。

背景技術

物聯網的快速發展推動著物聯網設備的激增，他們在智能電網、智能交通、工業自動化等領域有著廣泛的應用。物聯網設備如高清攝像頭、傳感器等，從周圍環境中收集數據，產生計算任務并進行處理。但是，受限于有限的計算能力和電池能量，對計算密集型任務的及時處理，對于物聯網設備而言是個很大的挑戰。

為了解決這一問題，研究者對移動邊緣計算(MEC)技術展開了廣泛的研究。MEC將計算資源部署在網絡邊緣，能夠協助物聯網設備進行計算。并且物聯網設備與MEC平臺間的距離較短，傳輸時延較小。然而，隨著物聯網設備數量的增加，MEC平臺的計算資源將會耗盡而發生擁塞。而且，在山區、草原等缺乏地面接入網絡覆蓋的地區，MEC平臺可能會不可用。

空天地一體化網絡(SAGIN)架構被認為是消除上述限制的有效方法。通過在空基網路、天基網絡放置MEC資源，結合地基網絡，SAGIN可以為物聯網設備提供多層次、全覆蓋、靈活、異構的MEC服務。相比于建設地面基站，構建空基和天基網絡能夠以較低的成本覆蓋更廣闊的區域，同時能夠支持不同類型的設備。所以，SAGIN被提出作為下一代無線網絡的可能架構，為產生具有處理時延要求的計算任務的物聯網設備提供MEC服務。

現在已經有了一些在SAGIN中引入MEC的初步研究。為了彌補地面網絡覆蓋范圍限制，文獻Space/Aerial-Assisted Computing Offloading for IoT Applications:ALearning-Based Approach研究了在SAGIN中的資源分配和卸載決策，其中無人機提供靠近設備的邊緣計算，低地球軌道衛星提供對云計算的訪問，并提出一種基于深度Actor-Critic的方法來學習最優卸載策略。然而，本場景中的所有任務是預先生成的，而且所述方法以集中式的方式進行決策，需要及時的全局信息以及高性能的控制器。在文獻Delay-Aware IoT Task Scheduling in Space-Air-Ground Integrated Network中，區域內物聯網設備產生計算任務，使用一架沿著固定軌跡飛行的無人機對任務進行收集，并在線做出卸載決策，即本地處理，或卸載到附近的基站或卸載到低地球軌道衛星執行。該動態調度問題被建模為約束馬爾可夫決策過程，采用線性規劃來解決。但是，在文章中假設任務產生模式是無人機已知的。在實際的場景中，這些先驗信息很難獲得。文獻Deep ReinforcementLearning for Delay-Oriented IoT Task Scheduling in SAGIN在文獻Delay-Aware IoTTask Scheduling in Space-Air-Ground Integrated Network基礎上考慮了無人機有限的能量和任務到達的動態性。為了在不超過能量約束的前提下最小化所有任務的處理時延，提出了一種風險敏感的深度強化學習算法。同文獻Delay-Aware IoT Task Schedulingin Space-Air-Ground Integrated Network一樣，文獻Deep Reinforcement Learningfor Delay-Oriented IoT Task Scheduling in SAGIN的卸載架構是無人機收集物聯網設備產生的計算任務。剛被無人機經過的物聯網設備產生的計算任務，需要經過長時間等待才會被無人機收集和調度，無效的等待時間會使得任務的總處理時延增大，系統性能降低。