[发明专利]一种基于演化博弈的多无人机辅助边缘计算系统部署方法

说明书

本发明提供了一种基于演化博弈的多无人机辅助边缘计算系统部署方法，将联合优化用户的计算任务卸载决策和无人机(服务提供商)的部署问题。用户的计算任务卸载决策是多GMU对多SP的有限资源的竞争，将其描述为演化博弈问题；考虑SP的任务负载，提高SP之间的负载公平指数，对无人机进行重新部署。本发明考虑了用户的移动性和用户任务卸载所涉及的时延和功耗的实际问题，在多无人机组成的边缘计算系统中联合优化用户的计算任务卸载决策和无人机的部署，降低系统成本。

技术领域

本发明涉及多无人机组成边缘计算技术领域，具体涉及一种基于演化博弈的多无人机辅助边缘计算系统部署方法。

背景技术

边缘计算(Edge Computing,EC)是一种新的计算范式，将“云”强大的计算能力、存储资源迁移到网络边缘，为大量的终端设备提供服务。边缘计算的边缘指的是从数据源到云计算中心中的任意计算和网络资源。同时，随着飞行控制和集成电路技术的发展，不同尺寸、型号、性能的无人机在设计和研发方面都得到了很大的提升。将无人机和边缘计算结合——为无人机装配边缘服务器作为服务提供商(Service Provider,SP)，利用无人机的方便、快捷、易部署等特点，为地面移动用户(Ground Mobile User,GMU)提供计算和通讯服务，这就是由多无人机组成的边缘计算系统。

在多无人机组成的边缘计算系统中，GMU可以选择不同的SP进行任务卸载。在任务卸载过程中，涉及到时延、功耗等成本问题，称为卸载成本。系统成本则指的是系统中所有GMU的卸载成本之和。面对不同的SP，用户进行任务卸载时，因为传输距离、SP的处理能力等因素的不同，会产生不同的卸载成本。与此同时，在由无人机组成的边缘计算系统中，SP的计算、通讯资源也是有限的；地面用户的随机移动也会导致任务卸载在卸载量和卸载分布的动态变化。如何在用户会移动的动态场景下充分利用有限的系统资源、降低系统成本成为一个重要问题。

现有技术方案主要考虑的是通过优化用户的任务卸载决策和资源分配，最小化能耗成本(用户终端设备的能耗或系统能耗——包括用户终端设备的能耗和无人机的能耗)。也有一些技术方案同时考虑对无人机的部署和飞行轨迹进行优化，以达到最小化系统能耗的目的。但现有技术方案没有考虑到用户进行任务卸载时的时延问题，也没有考虑到如何应对用户的移动所带来的动态场景问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于演化博弈的多无人机辅助边缘计算系统部署方法，该方法联合优化用户的计算任务卸载决策和无人机(服务提供商)的部署问题，将用户的计算任务卸载决策是多GMU对多SP的有限资源的竞争描述为演化博弈问题；考虑SP的任务负载，提高SP之间的负载公平指数，对无人机进行重新部署，从而降低系统成本。

为解决上述技术问题，本发明采用的技术方案是：一种基于演化博弈的多无人机辅助边缘计算系统部署方法，其特征在于，包括以下步骤：

S1、服务提供商SP获取所连接的地面移动用户GMU的数量，均分网络带宽和计算资源；

S2、地面移动用户根据所分得的网络带宽和用户与服务提供商之间的距离，计算任务卸载传输率；

S3、根据为完成卸载任务所需的计算量、需要传输的数据量及卸载传输率，计算地面移动用户卸载成本；

S4、计算地面移动用户所在种群的平均卸载成本；

S5、根据复制者动态方程，用户进行策略更新；

S6、当地面移动用户对资源的竞争达到演化均衡时，计算SP间的负载公平指数；

S7、如果负载公平指数小于目标值，即不公平，根据聚类算法，对无人机进行重新部署；否则，不改变当前部署方案；回到S1。

优选地，S2中的卸载传输率计算方式为：假设GMU和SP之间采用LoS(line-of-sight)链路，则信道增益可以表示为：