[发明专利]基于无人机二元卸载边缘计算的系统吞吐量最大化方法

说明书

本发明涉及无人机移动边缘计算(MEC)技术领域，具体公开了一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其通过联合优化计算卸载选择、设备计算频率和无人机轨迹，使用二元计算卸载策略最大化无人机支持的MEC中所有地面设备间的最小计算吞吐量，将这个优化问题模型化为一个混合整数非凸优化问题。并采用惩罚函数来刻画非二元解的影响，将优化问题模型化为等价的数学表达式。以及利用惩罚逐次凸逼近(P‑SCA)方法和差分凸函数优化框架设计出有效迭代算法，算法可以保证能收敛到满足Karush‑Kuhn Tucker(KKT)条件的局部最优解。仿真结果表明：相较基准方案，本发明方案可以更有效地获得二元计算卸载策略以及提高计算吞吐量的性能。

技术领域

本发明涉及无人机移动边缘计算(MEC)技术领域，尤其涉及一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法。

背景技术

随着物联网(IoT)和5G网络的快速发展，越来越多的应用和服务需要低时延、大规模的计算能力从而为用户提供更好的体验，如：自动驾驶汽车、图像和视频处理、人脸识别、实时网络游戏等。然而，大多数物联网设备的能量和计算能力有限，难以保证设备的持续工作以及瞬时响应。为解决这个难题，研究者们引入了移动边缘计算(MEC)的概念，通过将强大的计算资源移动到网络边缘，物联网设备无需将数据传输到远程云端就能在网络边缘处执行所需的大量计算任务，从而使数据传输延迟显著减少。借助MEC，IoT设备可以转移计算任务到网络边缘进行即时处理，从而节省设备的能量消耗。

MEC通常包括两种计算任务卸载模型，即部分计算任务卸载模型和二元计算任务卸载模型。部分卸载将每个计算任务都分为两部分，一部分在本地计算，另一部分转移到边缘服务器进行计算；二元卸载要求每个任务要么整体在本地执行，要么整体转移到边缘服务器进行。在具体应用实现中，二元卸载实现简单并且非常适用于IoT应用计算任务不可分割的场景。

另一方面，静态边缘服务器的服务覆盖范围有限从而产生了新问题——长距离路径损耗和复杂的无线电环境使静态边缘服务器很难支持远程设备的计算任务卸载。并且，在广阔的环境中部署大量静态边缘服务器非常昂贵且不切实际。因此引入了支持空中计算的无人机(UAV)MEC系统，借助飞行中的UAV部署强大计算能力，使资源受限的地面物联网设备卸载计算任务到无人机上。具体来说，通过充分利用UAV的移动性使得无人机靠近物联网设备，在二者间建立视距(LoS)链接，从而提高通信质量进行计算任务卸载。然而，目前开展的工作均依赖于部分计算卸载策略，然而在具体实现中部分计算卸载策略很难实现。采用二元计算卸载支持无人机的移动边缘计算吞吐量最大化是非常有挑战性的间题，目前尚未有直接的研究。

发明内容

本发明提供一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法，解决的技术问题在于：如何采用二元计算卸载支持的无人机实现移动边缘计算吞吐量最大化。

为解决以上技术问题，本发明提供一种基于无人机二元卸载边缘计算的系统吞吐量最大化方法，包括步骤：

S1、将无人机作为多个设备的边缘服务器，对每个设备采用二元计算任务卸载策略，设备为地面物联网设备；

S2、在每个设备的最大能量约束条件下，以以最大化所有设备中计算吞吐量的最小值η为目标，联合优化无人机轨迹Q以及每个设备的卸载模式选择X、CPU频率F，构建原始问题模型；

S3、对原始问题模型进行求解，得到在每个时间周期T内的无人机路径。

进一步地，在步骤S2中，原始问题模型表示为：

(P1)：