本發(fā)明涉及資源優(yōu)化分配，具體為基于非正交多址接入和無人機(jī)輔助的動態(tài)任務(wù)卸載方法。

背景技術(shù)：

1、隨著物聯(lián)網(wǎng)和b5g/6g無線技術(shù)的快速發(fā)展，智能應(yīng)用的數(shù)量和復(fù)雜性都在迅速增加。面對這些高計(jì)算需求和低延遲要求的應(yīng)用，傳統(tǒng)的智能移動設(shè)備由于計(jì)算能力和電池壽命的限制，難以滿足用戶的期望。為應(yīng)對這一挑戰(zhàn)，移動邊緣計(jì)算成為一種有效的解決方案。通過將計(jì)算任務(wù)卸載到邊緣服務(wù)器上，可以顯著降低智能設(shè)備的能耗和延遲。同時(shí)，無人機(jī)作為移動邊緣計(jì)算的靈活節(jié)點(diǎn)，能夠快速部署到所需區(qū)域，提供廣泛的計(jì)算服務(wù)。因此，我們提出了基于非正交多址接入和無人機(jī)輔助的動態(tài)任務(wù)卸載方法，以優(yōu)化資源利用，提升計(jì)算效率和服務(wù)質(zhì)量。

2、中國專利公開號為“cn114070451b”，名稱為“基于非正交多址接入的無人機(jī)移動邊緣計(jì)算安全通信方法”，該方法提供一種能夠有效抵抗無人機(jī)竊聽用戶卸載信息的基于非正交多址接入的無人機(jī)移動邊緣計(jì)算安全通信方法，通過連續(xù)凸優(yōu)化方法和塊坐標(biāo)下降法，將上述問題轉(zhuǎn)化為兩個(gè)子問題，首先優(yōu)化無人機(jī)us與用戶變化信道之間的關(guān)系、用戶被分配的cpu計(jì)算頻率、用戶發(fā)送功率、用戶本地計(jì)算數(shù)據(jù)量，然后優(yōu)化無人機(jī)us飛行軌跡，通過泰勒一階展開方法近似凸問題轉(zhuǎn)化為凸優(yōu)化問題，然后進(jìn)行迭代求解，獲得問題的優(yōu)化解。但所設(shè)計(jì)的基于非正交多址接入的無人機(jī)移動邊緣計(jì)算模型過于單一，沒有考慮到真實(shí)環(huán)境中無人機(jī)和地面用戶的移動情況，導(dǎo)致在復(fù)雜動態(tài)環(huán)境中系統(tǒng)的計(jì)算效率和資源分配效果大大降低。因此，設(shè)計(jì)一種能夠模擬真實(shí)環(huán)境下無人機(jī)和地面用戶移動情況的完備計(jì)算模型，以提高多用戶、多任務(wù)場景下的系統(tǒng)性能，是本發(fā)明亟需解決的重要問題。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了基于非正交多址接入和無人機(jī)輔助的動態(tài)任務(wù)卸載方法，解決了現(xiàn)有無人機(jī)移動邊緣計(jì)算模型過于單一、未考慮真實(shí)環(huán)境中無人機(jī)和地面用戶移動情況，從而導(dǎo)致系統(tǒng)在復(fù)雜動態(tài)環(huán)境中計(jì)算效率低和資源分配效果差的問題。通過優(yōu)化時(shí)延，提高系統(tǒng)在多用戶、多任務(wù)場景下的整體性能。

3、(二)技術(shù)方案

4、本發(fā)明為了實(shí)現(xiàn)上述目的具體采用以下技術(shù)方案：

5、基于非正交多址接入和無人機(jī)輔助的動態(tài)任務(wù)卸載方法，具體包括如下步驟：

6、s1，構(gòu)建結(jié)合非正交多址接入的無人機(jī)輔助邊緣計(jì)算框架，該框架包括無人機(jī)基站，地面基站以及智能移動設(shè)備。在該邊緣計(jì)算框架中，智能移動設(shè)備將待執(zhí)行任務(wù)分別在本地側(cè)，無人機(jī)側(cè)進(jìn)行卸載，各無人機(jī)根據(jù)設(shè)備的移動位置動態(tài)調(diào)整軌跡，建立結(jié)合非正交多址接入的無人機(jī)輔助邊緣計(jì)算數(shù)學(xué)模型；

7、s2，基于非正交多址接入的無人機(jī)輔助邊緣計(jì)算框架和數(shù)學(xué)模型，構(gòu)建動態(tài)任務(wù)卸載問題；

8、s3，基于動態(tài)任務(wù)卸載問題，轉(zhuǎn)化為對卸載策略的第一優(yōu)化，對智能移動設(shè)備選擇無人機(jī)的第二優(yōu)化，以及對無人機(jī)的飛行軌跡和功率控制的第三優(yōu)化，提出動態(tài)任務(wù)卸載方法，步驟為：

9、s31，使用增減特性求解第一優(yōu)化；

10、s32，使用改進(jìn)k-means算法求解第二優(yōu)化；

11、s33，使用多代理雙延遲深度確定性策略梯度算法求解第三優(yōu)化。

12、進(jìn)一步地，所述s1中，結(jié)合非正交多址接入的無人機(jī)輔助邊緣計(jì)算框架包括動態(tài)的無人機(jī)基站，地面基站以及智能移動設(shè)備，建立的數(shù)學(xué)模型為：

13、s11，無人機(jī)u連接的智能移動設(shè)備k的數(shù)據(jù)傳輸速率和卸載策略分別為和

14、s12，無人機(jī)u連接的智能移動設(shè)備k的傳輸時(shí)延和能耗分別為和當(dāng)智能移動設(shè)備k將計(jì)算任務(wù)部分卸載到無人機(jī)u時(shí)，智能移動設(shè)備k在本地的計(jì)算延遲和能耗分別為和智能移動設(shè)備的計(jì)算任務(wù)在無人機(jī)u處的計(jì)算延遲和能耗分別為和

15、s13，第u架無人機(jī)完成時(shí)隙t內(nèi)所有連接的智能移動設(shè)備任務(wù)所需的時(shí)間tu,fly(t)，令pu,fly(t)表示為無人機(jī)推進(jìn)功率，因此，無人機(jī)u在時(shí)隙t的飛行能耗為eu,fly(t)。

16、進(jìn)一步地，所述s2中，基于非正交多址接入的無人機(jī)輔助邊緣計(jì)算框架和數(shù)學(xué)模型，構(gòu)建動態(tài)任務(wù)卸載問題為：

17、s21，無人機(jī)u和智能移動設(shè)備k在時(shí)隙t的系統(tǒng)總時(shí)延由式(1)給出：

18、

19、因此，動態(tài)任務(wù)卸載優(yōu)化問題表示為(2)：

20、

21、

22、其中，(3)-(5)表示對無人機(jī)三維位置的約束，即無人機(jī)必須位于服務(wù)區(qū)上方可實(shí)現(xiàn)高度范圍內(nèi)的空域，以避免無人機(jī)之間發(fā)生碰撞或干擾卸載蜂窩外的其他通信設(shè)備；約束條件(6)是卸載策略的可選擇范圍；(7)和(8)保證智能移動設(shè)備只能與其中一個(gè)無人機(jī)服務(wù)器關(guān)聯(lián)；約束條件(9)表示發(fā)射功率約束，以保證每架無人機(jī)的功耗不超過發(fā)射功率上限；約束(10)表示成功實(shí)現(xiàn)串行干擾消除的解碼順序；約束(11)表示無人機(jī)的計(jì)算和飛行能耗不超過電池的總能量。

23、進(jìn)一步地，所述s3中，基于動態(tài)任務(wù)卸載問題，轉(zhuǎn)化為對卸載策略的第一優(yōu)化，智能移動設(shè)備選擇無人機(jī)的第二優(yōu)化，以及對無人機(jī)的飛行軌跡和功率控制的第三優(yōu)化，構(gòu)建動態(tài)任務(wù)卸載方法。

24、所述的s31中，使用函數(shù)的增減特性求解第一優(yōu)化的步驟為：

25、s311，在給定時(shí)隙t中的h和p，固定智能移動設(shè)備對無人機(jī)的選擇性，tπ(k)(t)可以取得最小值。

26、所述的s32中，使用改進(jìn)k-means算法求解第二優(yōu)化的步驟為：

27、s321，初始化無人機(jī)以及智能移動設(shè)備的位置信息、最大迭代次數(shù)n，無人機(jī)最大飛行載荷η。

28、s322，初始化智能移動設(shè)備的位置集合從智能移動設(shè)備的位置集合中隨機(jī)選初始中心點(diǎn)(μ1...μu)。

29、s323，計(jì)算中心點(diǎn)與位置之間的距離dku＝‖lk-μu‖。

30、s324，取最小dku對應(yīng)的lk分配對應(yīng)的簇分區(qū)cu。

31、s325，根據(jù)更新μu。

32、s326，重復(fù)步驟s323-s325直至滿足μu(n)＝μu(n-1)或最大迭代次數(shù)n，所有簇中心不在變化或達(dá)到最大迭代次數(shù)。

33、s327，對于每個(gè)聚類群組ci，檢查其容量是否超過閾值η。如果超過閾值，重復(fù)執(zhí)行步驟s328-s3210直到所有聚類群組的容量均不超過閾值η，如果沒超過閾值，執(zhí)行步驟s3211。

34、s328，從群組ci中選取距離該簇中心點(diǎn)最遠(yuǎn)的智能移動設(shè)備位置lk。

35、s329，將選取的智能移動設(shè)備位置lk從群組ci中移除。

36、s3210，將移除的智能移動設(shè)備位置lk重新歸類到最近的新中心點(diǎn)，以確保聚類群組容量得以調(diào)整。

37、s3211，輸出最終聚類結(jié)果(c1,c2...cu)。

38、所述的s33中，使用多代理雙延遲深度確定性策略梯度算法求解第三優(yōu)化的步驟為：

39、s331，將第三優(yōu)化問題建立為馬爾可夫過程。

40、s3311，建立狀態(tài)空間：由于各無人機(jī)代理只能觀測整個(gè)環(huán)境的一部分，而且它們之間沒有信息交換，因此無人機(jī)u的觀測結(jié)果可由式(12)描述：

41、su(t)＝{uu(t),fu(t),zu,dπ(k)(t),δπ(k)(t),idπ(k),posπ(k),er(t)}??????(12)

42、其中，uu(t)表示無人機(jī)u的位置，fu(t)表示無人機(jī)u的可用計(jì)算能力。此外，dπ(k)(t),δπ(k)(t)表示無人機(jī)u服務(wù)的智能移動設(shè)備k生成的詳細(xì)任務(wù)信息，idπ(k)和posπ(k)分別表示智能移動設(shè)備k的索引和位置，er(t)表示無人機(jī)剩余的電量。

43、s3312，建立動作空間：每個(gè)代理根據(jù)當(dāng)前觀測結(jié)果決定其軌跡以及資源分配策略。無人機(jī)u在時(shí)隙t的行動可由公式(13)表示：

44、

45、其中，表示無人機(jī)u分配給智能移動設(shè)備k的計(jì)算資源，xu(t),yu(t),hu(t)表示無人機(jī)的位置信息。

46、s3313，建立獎勵值：不滿足(3)-(5)的無人機(jī)將受到恒定的懲罰η1，不滿足(7)和(8)的無人機(jī)將受到懲罰常數(shù)η2，不滿足(10)的無人機(jī)將受到η3的懲罰。無人機(jī)u的獎勵由公式(14)給出：

47、

48、其中，λ(*)表示如果滿足條件(*)，則λ(*)＝1，否則為0。

49、s332，基于多代理雙延遲深度確定性策略梯度算法求解第三優(yōu)化。

50、s3321，初始化原始動作網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)的參數(shù)，設(shè)定原始動作網(wǎng)絡(luò)和評價(jià)網(wǎng)絡(luò)的初始參數(shù)，包括最優(yōu)卸載策略ψ。初始化經(jīng)驗(yàn)回放池e，用于存儲訓(xùn)練過程中的經(jīng)驗(yàn)數(shù)據(jù)。

51、s3322，將原始動作網(wǎng)絡(luò)參數(shù)um復(fù)制到目標(biāo)網(wǎng)絡(luò)，并將評價(jià)網(wǎng)絡(luò)參數(shù)w復(fù)制到目標(biāo)網(wǎng)絡(luò)中。

52、s3324，設(shè)置無人機(jī)和智能移動設(shè)備的初始位置，計(jì)算每個(gè)無人機(jī)的信道增益，并觀察當(dāng)前狀態(tài)om，執(zhí)行飛行軌跡和功率控制聯(lián)合策略，觀察下一個(gè)狀態(tài)o'm以及環(huán)境反饋的瞬時(shí)回報(bào)r。

53、s3325，無人機(jī)將收集的經(jīng)驗(yàn)元組e＝{o1,...,om,a1,...,am,r,o′1,...,o′m}儲存在經(jīng)驗(yàn)池中。并檢查經(jīng)驗(yàn)回放池是否滿足更新閾值。如果沒有超過閾值，重復(fù)執(zhí)行步驟s3325，直到所有經(jīng)驗(yàn)回放池超過閾值。如果超過閾值，執(zhí)行步驟s3326-s3328。

54、s3326，隨機(jī)采樣一小批量經(jīng)驗(yàn)池e里的經(jīng)驗(yàn)。

55、s3327，更新原始網(wǎng)絡(luò)參數(shù)，評價(jià)網(wǎng)絡(luò)和動作網(wǎng)絡(luò)的參數(shù)根據(jù)隨機(jī)梯度下降法則更新，并軟更新目標(biāo)網(wǎng)絡(luò)參數(shù)。

56、s3328，無人機(jī)和智能移動設(shè)備根據(jù)計(jì)算的軌跡和功率策略，執(zhí)行相應(yīng)的移動操作，直到獲得最優(yōu)的軌跡和功率策略。

57、(三)有益效果

58、與現(xiàn)有技術(shù)相比，本發(fā)明提供了基于非正交多址接入和無人機(jī)輔助的動態(tài)任務(wù)卸載方法，具備以下有益效果：

59、(1)提升計(jì)算資源利用率與系統(tǒng)性能：本發(fā)明通過采用基于非正交多址接入的無人機(jī)輔助邊緣計(jì)算框架，能夠在密集型任務(wù)場景下有效緩解計(jì)算資源緊張的問題。無人機(jī)基站與地面基站的協(xié)同工作，提高了任務(wù)卸載的靈活性與效率，從而優(yōu)化了計(jì)算資源的配置與利用，顯著提升了系統(tǒng)的整體性能。

60、(2)增強(qiáng)動態(tài)適應(yīng)性與覆蓋能力：本發(fā)明提出的動態(tài)任務(wù)卸載方法，可以根據(jù)智能移動設(shè)備的位置與任務(wù)需求，實(shí)時(shí)調(diào)整無人機(jī)的飛行軌跡及功率控制策略，使系統(tǒng)能夠動態(tài)適應(yīng)不同的任務(wù)場景。此方法有效彌補(bǔ)了傳統(tǒng)地面蜂窩網(wǎng)絡(luò)在廣域覆蓋與實(shí)時(shí)響應(yīng)能力上的不足。

61、(3)提高任務(wù)卸載的決策精度：本發(fā)明通過將動態(tài)任務(wù)卸載問題轉(zhuǎn)化為三項(xiàng)優(yōu)化決策，即卸載策略優(yōu)化、智能移動設(shè)備選擇優(yōu)化以及無人機(jī)軌跡與功率控制優(yōu)化，從而提升了任務(wù)卸載決策的精度。此方法有助于實(shí)現(xiàn)無人機(jī)與地面基站之間的最佳協(xié)作，保障了任務(wù)的高效處理。