[发明专利]时敏多任务边缘计算与缓存协作卸载策略方法

权利要求书

1.时敏多任务边缘计算与缓存协作卸载策略方法，其特征在于，方法包括无人机轨迹优化子策略、无人机资源分配优化子策略、物联网设备卸载决策子策略；使用块坐标下降方法将上述三个子策略迭代运行，最终策略收敛后得到最终值；

其中无人机轨迹优化子策略，用于在无人机资源分配优化子策略和物联网设备卸载决策子策略确定情况下，优化无人机飞行轨迹；

无人机资源分配优化子策略，用于无人机飞行轨迹和物联网设备卸载决策子策略固定情况下，通过转换模型使用CVX技术求解无人机每个时间片针对每个物联网设备的计算资源分配和带宽分配；

物联网设备卸载决策子策略，用于无人机飞行轨迹和无人机资源分配确定情况下，求解物联网设备每个时间片内任务卸载比例和任务类型，其中任务类型包括计算任务和缓存任务；方法包括以下步骤：

步骤一：初始化阶段：本阶段获得各物联网设备总任务量、缓存容量、计算能力、初始化物联网设备卸载决策子策略，获得无人机缓存容量、无人机计算能力，无人机初始轨迹设置、无人机资源分配；

步骤二：根据能量优化总目标，时敏多任务多物联网设备环境，物联网设备计算能力、缓存容量、无人机计算能力、缓存容量约束条件建立优化模型，并将各变量初始值带入到优化模型；

步骤三：固定无人机资源分配优化子策略和物联网设备卸载决策子策略，使用无人机轨迹优化子策略得到优化后的无人机轨迹，更新无人机轨迹；

步骤四：固定无人机飞行轨迹、物联网设备卸载决策子策略，使用无人机资源分配优化子策略优化无人机资源分配，更新无人机资源分配；

步骤五：固定无人机轨迹优化子策略、无人机资源分配优化子策略优化物联网设备卸载决策子策略；使用物联网设备卸载决策子策略，其中使用bnb算法优化物联网设备卸载决策子策略中的任务类型；

步骤六：检查各策略值是否满足容忍精度，若不满足执行步骤三；若满足得到各策略最优值。

2.根据权利要求1所述的方法，其特征在于，所述的步骤五中bnb算法替换为模拟褪火法、基因遗传算法、爬山法算法任意一种。

3.根据权利要求1所述的方法，其特征在于，方法具体为，其中物联网设备分别表示为：

无人机作为移动边缘计算服务器为物联网设备提供计算资源和数据缓存服务；

设定UAV航行周期为T；

UAV飞行高度为H，UAV从初始点出发最后时刻返回初始点；

UAV与物联网设备间距离表示为：

(q_x[n]，q_y[n])表示无人机在二维坐标平面坐标，(x_k，y_k)，分别表示第k个物联网设备在二维坐标平面的坐标；

每个物联网设备均有需要在T时间内完成的能量消耗和时延敏感型任务需要；

将UAV航行周期划分为N个时间片，每个时间片大小为τ＝T/N；

第K个物联网设备的任务使用元组表示为：{s_k[n]，a_k[n]，θ_k，l_k[n]，t_k[n]}；

其中s_k[n]表示总任务数量；

a_k[n]用于指示任务类型，其中a_k[n]＝1表示该任务为计算型任务，a_k[n]＝0表示该任务为缓存类型任务；

θ_k表示每处理1bit输入数据需要的CPU周期；

l_k[n]∈[0，1]表示卸载到UAV处理的总任务比例，(1-l_k[n])表示在本地处理的总任务比例；

t_k[n]表示该任务的最大容忍延迟；

使用f_k表示第k个物联网设备计算能力，则本地计算模式下延迟表示为：

考虑卸载模式下延迟包括卸载任务上传链接延迟和无人机计算延迟则卸载模式下延迟表示为：

考虑物联网设备能量消耗包括，本地计算的能量消耗和上传到无人机过程的能量消耗，则第k个物联网设备，第n个时间片下能量消耗表示为：

无人机需要计算由物联网设备卸载到无人机的任务，因此无人机计算能量消耗表示为：

无人机需要按照优化策略中提供的飞行路径飞行，使用P₀和P_i分别表示悬停状态下的定叶型功率和诱导功率，Q_tip表示转子叶片的叶尖速度，v₀表示平均转子感应速度，d₀表示机身阻力比，s表示转子稳定性，ρ表示空气密度，A表示转子盘区，因此无人机飞行能量消耗表示为：

策略中联合优化无人机飞行轨迹q，带宽b，计算能力f，物联网设备任务类型a，卸载比例l；

最小化物联网设备总能量消耗，总优化问题建模：

E_fly+E_cal≤E，

q[0]＝q[N]，