[发明专利]一种边缘计算系统的多无人机任务卸载和资源分配的方法

说明书

本发明公开了一种边缘计算系统的多无人机任务卸载和资源分配的方法，包括步骤如下：将无人机的当前位置、无人机的相对距离、无人机与物联网智能设备的相对距离、物联网智能设备的服务次数组合成系统状态；构建深度确定性策略梯度优化神经网络；将系统状态输入到深度确定性策略梯度优化神经网络中，得到系统动作；边缘计算系统执行系统动作，并根据即时回报函数得到该系统动作的报酬值；根据得到的报酬值继续训练深度确定性策略梯度优化神经网络的参数，直到报酬值趋于稳定，训练得到最优的策略π。本发明通过深度确定性策略梯度优化神经网络优化无人机的轨迹、卸载策略和计算资源分配策略，在保证物联网智能设备服务公平性的前提下，使得系统能耗最小化。

技术领域

本发明涉及物联网计算卸载和资源分配技术领域，更具体的，涉及一种边缘计算系统的多无人机任务卸载和资源分配的方法。

背景技术

随着物联网的发展，新兴的多样化移动应用如增强现实、人脸识别、移动在线游戏、虚拟现实等新兴技术不断发展，对延迟处理和计算卸载的要求也日益增加。然而，移动设备的计算处理能力不足、电池容量有限，难以满足低时延和低能耗的要求。现代工业物联网智能设备由于外形因素小、生产成本约束严格，在计算能力方面往往受到限制，但是又由于智能设备经常会以一定的频率产生一些计算任务需要处理，如果不及时进行处理，将会导致任务被丢弃，造成不可挽回的后果。因此就需要一种方法来解决这一问题。

移动边缘计算已被公认为应对这一挑战的有前途的技术之一。它为边缘网络提供云计算服务，移动用户可以将他们的计算任务卸载到边缘网络中。与移动云计算不同，移动边缘计算中的网络边缘设备可以执行类似云的计算，并且部署在用户附近。它可以帮助用户节约能量，并提供低延迟服务，保障移动应用安全的优势。但是，部署在固定位置的移动边缘计算，灵活性差，难以动态调整。无人机网络在拥有部署容易、灵活性强和应用范围广等优点的同时，也面临着一些挑战，比如其十分有限的电池容量和相对较弱的计算能力。

近年来，随着无人机成本的降低和能力的提升，无人机不仅在军事战场上扮演着重要角色，在民用领域中的应用也越来越广泛，主要涉及监视和监控、救灾应急、精准农业和网络覆盖等方面。因此，基于无人机的移动边缘计算部署更加灵活和迅速，这使得它们特别适用于某些特定应用需求或响应意外事件。而且无人机具有高速移动性，因此无人机能够动态及靠近它所需要服务的移动设备，来显著提高网络的吞吐量和通信能力。其次，与地面中的地对地链路相比，无人机网络中空对地链路具有视距传输的特点，因此能提供更高的链路容量。所以，基于无人机的移动边缘计算是现在的研究重点之一。

人工智能作为近年来非常热门的研究方向之一，将其与基于无人机的边缘计算结合能够赋予这种架构极大的能力。相较于普通边缘计算，边缘智能计算能够利用智能方法有效解决无人机边缘计算中的连接策略、资源管理等问题，同时也能为地面用户或无人机用户运行的智能应用提供计算服务。基于无人机的边缘智能计算在无人机上搭载了高性能芯片和深度强化学习等人工智能算法，这使其在拥有计算能力的同时也具备良好的决策能力，无人机能够根据当前信道状态、地面节点分布状况以及无人机自身位置等环境信息做出最优决策来执行下一步的动作，同时利用自身机动性强的优点，更加快速灵活地为一片区域内的多个用户设备提供计算卸载服务，如中国专利公开号：CN111585637A，公开日：2020-08-25，公开了一种基于边缘计算系统的无人机任务卸载和资源分配方法，边缘计算系统包括：若干个无人机和若干个Fog节点；无人机任务卸载和资源分配方法包括以下步骤：根据边缘计算系统中的无人机向Fog节点卸载任务问题以及Fog节点向无人机分配计算资源问题构建最优化无人机利益的目标函数；计算目标函数得到无人机任务卸载和计算资源分配的最优解，并根据无人机任务卸载和计算资源分配的最优解，得到无人机利益的最优化方案。

但是，在一些偏远地区或者救灾场景中，因为无人机的成本较高，数量有限，所以拥有足够的无人机一直覆盖全部区域不太现实，因此无人机必须一直保持飞行，确保在合理的时间内尽量覆盖到所有区域。所以如何保证地面设备的服务公平性进而延长整个网络的寿命并且提高网络的服务质量就显得非常重要。

发明内容