[发明专利]空天地一体化网络中时延最小化计算任务卸载方法及系统

说明书

本发明提供了一种空天地一体化网络中时延最小化计算任务卸载方法及系统，包括：步骤S1：建立支持计算任务卸载的空天地一体化网络的网络架构；步骤S2：基于空天地一体化网络的网络架构构建空天地一体化网络模型；步骤S3：基于构建的空天地一体化网络模型建立面向时延最小的优化问题；步骤S4：将优化问题建模为马尔科夫决策过程；步骤S5：采用CL‑MADDPG算法求解马尔科夫决策过程，输出卸载策略。本发明可以充分利用空天地一体化网络中的计算资源，输出计算任务最优卸载策略，减少计算任务的处理时延。

技术领域

本发明涉及物联网、无线通信、人工智能领域，具体地，涉及空天地一体化网络中时延最小化计算任务卸载方法及系统。

背景技术

物联网的快速发展推动着物联网设备的激增，他们在智能电网、智能交通、工业自动化等领域有着广泛的应用。物联网设备如高清摄像头、传感器等，从周围环境中收集数据，产生计算任务并进行处理。但是，受限于有限的计算能力和电池能量，对计算密集型任务的及时处理，对于物联网设备而言是个很大的挑战。

为了解决这一问题，研究者对移动边缘计算(MEC)技术展开了广泛的研究。MEC将计算资源部署在网络边缘，能够协助物联网设备进行计算。并且物联网设备与MEC平台间的距离较短，传输时延较小。然而，随着物联网设备数量的增加，MEC平台的计算资源将会耗尽而发生拥塞。而且，在山区、草原等缺乏地面接入网络覆盖的地区，MEC平台可能会不可用。

空天地一体化网络(SAGIN)架构被认为是消除上述限制的有效方法。通过在空基网路、天基网络放置MEC资源，结合地基网络，SAGIN可以为物联网设备提供多层次、全覆盖、灵活、异构的MEC服务。相比于建设地面基站，构建空基和天基网络能够以较低的成本覆盖更广阔的区域，同时能够支持不同类型的设备。所以，SAGIN被提出作为下一代无线网络的可能架构，为产生具有处理时延要求的计算任务的物联网设备提供MEC服务。

现在已经有了一些在SAGIN中引入MEC的初步研究。为了弥补地面网络覆盖范围限制，文献Space/Aerial-Assisted Computing Offloading for IoT Applications:ALearning-Based Approach研究了在SAGIN中的资源分配和卸载决策，其中无人机提供靠近设备的边缘计算，低地球轨道卫星提供对云计算的访问，并提出一种基于深度Actor-Critic的方法来学习最优卸载策略。然而，本场景中的所有任务是预先生成的，而且所述方法以集中式的方式进行决策，需要及时的全局信息以及高性能的控制器。在文献Delay-Aware IoT Task Scheduling in Space-Air-Ground Integrated Network中，区域内物联网设备产生计算任务，使用一架沿着固定轨迹飞行的无人机对任务进行收集，并在线做出卸载决策，即本地处理，或卸载到附近的基站或卸载到低地球轨道卫星执行。该动态调度问题被建模为约束马尔可夫决策过程，采用线性规划来解决。但是，在文章中假设任务产生模式是无人机已知的。在实际的场景中，这些先验信息很难获得。文献Deep ReinforcementLearning for Delay-Oriented IoT Task Scheduling in SAGIN在文献Delay-Aware IoTTask Scheduling in Space-Air-Ground Integrated Network基础上考虑了无人机有限的能量和任务到达的动态性。为了在不超过能量约束的前提下最小化所有任务的处理时延，提出了一种风险敏感的深度强化学习算法。同文献Delay-Aware IoT Task Schedulingin Space-Air-Ground Integrated Network一样，文献Deep Reinforcement Learningfor Delay-Oriented IoT Task Scheduling in SAGIN的卸载架构是无人机收集物联网设备产生的计算任务。刚被无人机经过的物联网设备产生的计算任务，需要经过长时间等待才会被无人机收集和调度，无效的等待时间会使得任务的总处理时延增大，系统性能降低。