[发明专利]多智能体协作的卫星边缘计算卸载和资源分配方法

权利要求书

1.多智能体协作的卫星边缘计算卸载和资源分配方法，其特征是：它包括以下步骤：

步骤一，移动用户在每个时隙以一定的概率生成任务，对于所述生成任务选择在本地计算或卸载到边缘计算卫星计算，作为用户卸载策略；

步骤二，根据步骤一获得的用户卸载策略，获得每个用户在对应卸载策略下的效用函数，

步骤三，根据步骤二获得每个用户在对应卸载策略下的效用函数构建整个系统的效用函数；

步骤四，将步骤三中构建的整个系统的效用函数的优化问题转换为任务卸载子问题和资源分配子问题；

步骤五，对于用户的任务卸载子问题，采用深度强化学习的方法处理用户任务卸载，获得任务卸载策略；

步骤六，在步骤五获得任务卸载策略后，对于卫星的计算资源分配采用构建拉格朗日函数得到卫星分配给用户的最优资源策略；

步骤七，地面用户基于步骤五的任务卸载策略向边缘计算卫星卸载任务，同时，边缘计算卫星根据步骤六获得的最优资源策略进行资源分配，完成一次多智能体协作的卫星边缘计算卸载和资源分配。

2.根据权利要求1所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于步骤一中、用户任务择一选择本地计算或任务卸载到边缘计算卫星是根据用户自身的体验质量QoE需求为原则的；其中，B_u(t)表示任务的数据大小；D_u(t)表示完成该任务需要的CPU周期数；τ_u(t)表示该任务的最大可容忍延时；

卸载策略表示为：

其中，x_u(t)＝1表示本地卸载，y_un(t)＝1表示用户将任务卸载到卫星n；n为正整数；每个用户的卸载策略均是二进制；卸载策略的约束条件如公式(1)和(2)所示。

3.根据权利要求1所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于步骤一中，用户卸载策略的选择中：当用户选择本地计算时，考虑到任务队列延时的影响，任务完成的时隙或者丢弃时隙表示为：

其中：表示当前任务计算队列的等待延时；表示的是当前任务的处理延时；公式(3)第一项没有考虑最大可容忍延时的任务完成时隙，第二项表示的是达到任务的最大可容忍延时的任务丢弃时隙。

4.根据权利要求3所述的卫星边缘计算的多智能体间的任务卸载和资源分配方法，其特征在于本地计算所需的时隙表示为：

5.根据权利要求4所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于步骤一中，当用户选择卸载到边缘计算卫星计算时，考虑到任务传输队列延时的影响，用户传输完成的时隙或者丢弃的时隙表示为：

其中：表示当前任务传输队列的等待延时；表示的是当前任务的传输延时；公式(5)第一项没有考虑最大可容忍延时的影响的任务传输完成时隙，第二项表示的是达到任务的最大容忍延时的任务丢弃时隙。

6.根据权利要求5所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于用户选择卸载到边缘计算卫星计算时，卫星n的服务的用户集合表示为：

其中：表示用户u到达卫星n任务的大小；表示在t-1时刻卫星中关于用户u的队列长度；主要统计卫星在当前时隙要服务的用户。

7.根据权利要求5所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于当前时隙下卫星n可处理的用户u队列的数据位表示为：

其中：表示卫星分配给用户的计算资源；表示该任务需要的CPU周期数；δ表示的是时隙的持续时间。

8.根据权利要求7所述的多智能体协作的卫星边缘计算卸载和资源分配方法，其特征在于卫星的队列更新表示为：

其中：表示的是当前时隙丢弃的任务数。