[发明专利]无人机网络中协同计算和缓存调度策略方法及系统

说明书

本发明公开了一种无人机网络中协同计算和缓存调度策略方法及系统。该方法包括：获取任务约束、用户约束、无人机性能约束、现实条件约束；基于任务约束、用户约束、无人机性能约束以及现实条件约束，以所有无人机的导航总时间最短为优化目标，求解优化参数；导航总时间与用户任务卸载悬停点、用户任务计算悬停点、无人机分配给用户任务的计算资源、无人机的悬停点轨迹有关，优化参数包括：用户任务的最优卸载悬停点、最优计算悬停点、无人机分配给用户任务的最优计算资源、无人机的最优悬停点轨迹；卸载悬停点表示用户任务卸载的悬停点，计算悬停点表示计算用户任务的悬停点。本发明实现了对无人机辅助MEC网络的通信效率和计算资源利用效率的均衡。

技术领域

本发明涉及MEC网络领域，特别是涉及一种无人机网络中协同计算和缓存调度策略方法及系统。

背景技术

随着物联网(IoT)的快速发展和5G的大规模商用，虚拟现实、人脸识别、自动驾驶等众多计算密集型和通信密集型应用有望部署在资源有限的物联网设备上。然而，物联网设备有限的服务能力与这些应用的巨大资源需求之间的计算资源差距严重阻碍了这些新型应用的广泛部署。

大量的研究努力致力于设计高效的卸载、调度和缓存，并应用到计算卸载、数据收集和内容缓存与用于无人机辅助MEC网络。然而，很少有研究会考虑具有大量服务需求的情况，尽管这种情况可以极大地影响无人机辅助MEC网络的性能。例如，对于用户聚集的地区，会产生大量的数据或任务，需要在无人机上进行处理，但计算资源有限的无人机无法同时满足物联网设备的计算需求，这会导致在传输和计算过程中排队所带来的长响应延迟。与此相反，当无人机飞到服务请求较少的区域时，其CPU可能会空置较长时间，造成计算资源的浪费。

此外，在以下两种情况下，物联网设备和无人机之间的信道增益可能与无人机的计算能力不匹配：

(1)无人机的信道增益强但计算能力不足。

(2)无人机具有足够的计算能力但信道增益弱。

发明内容

本发明的目的是提供一种无人机网络中协同计算和缓存调度策略方法及系统。

为实现上述目的，本发明提供了如下方案：

一种无人机网络中协同计算和缓存调度策略方法，包括：

获取任务约束、用户约束、无人机性能约束以及现实条件约束；

所述任务约束包括：每一用户的任务只能在一个无人机的一个悬停点进行卸载，每一用户的任务只能在一个无人机的一个悬停点进行计算，以及每个用户卸载在无人机上的任务均能够得到计算；

所述用户约束包括：每个用户任务的执行延迟小于等于所述用户的最大容忍延迟；

所述无人机性能约束包括：无人机分配给每一任务的计算资源小于等于无人机的最大计算能力，无人机的缓存数据量小于等于所述无人机的最大缓存能力，以及无人机总能耗小于其最大能耗，所述总能耗为关于任务计算时间以及分配给所述任务的计算资源的能耗函数；

所述现实条件约束包括：用户位于其对应无人机的通信范围内，无人机的任意两个悬停点的距离大于设定值，用户卸载任务的悬停点早于所述任务计算的悬停点或用户卸载任务的悬停点与所述任务计算的悬停点为同一悬停点；

基于所述任务约束、所述用户约束、所述无人机性能约束以及所述现实条件约束，以所有无人机的导航总时间最短为优化目标，求解优化参数；所述导航总时间与用户任务卸载悬停点、用户任务计算悬停点、无人机分配给所述用户任务的计算资源、以及无人机的悬停点轨迹有关，所述优化参数包括：用户任务的最优卸载悬停点、最优计算悬停点、无人机分配给所述用户任务的最优计算资源、以及无人机的最优悬停点轨迹；所述卸载悬停点表示用户任务卸载的悬停点，所述计算悬停点表示计算用户任务的悬停点。