[发明专利]一种多无人机辅助边缘计算的在线轨迹及资源优化方法

权利要求书

1.一种多无人机辅助边缘计算的在线轨迹及资源优化方法，其特征在于，包括如下步骤：

步骤1，构建多用户多无人机的移动边缘计算模型；

所述模型中包含N个用户和M个无人机，每个无人机都配备基站，分别用集合n∈N_s＝{1,2,…,N}和m∈M_s＝{1,2,…,M}表示；用户的计算任务在用户本地或卸载到无人机上进行处理；

步骤2，根据无人机的运动轨迹，获取无人机的位置，并且计算任意两架无人机的位置，避免碰撞；

步骤3，根据不同的卸载方案，分别构建卸载计算模型和本地计算模型；

步骤4，构建优化问题，优化目标是最小化长期平均用户加权能耗；

步骤5，在所述多用户多无人机的移动边缘计算模型中，根据无人机的位置，用户的计算任务，用户的卸载决策和子信道分配以及获取的用户加权能耗，建立马尔可夫过程；

步骤6，根据步骤5中建立的马尔可夫过程，利用混合决策深度强化学习算法优化所述多用户多无人机的移动边缘计算模型，利用DDPG和DQN分别处理优化问题中的连续变量和离散变量，得到无人机的飞行动作以及用户的卸载决策和子信道的分配；

步骤7，判断混合决策深度强化学习算法是否收敛，若是，则执行步骤8，否则，增加训练迭代次数并继续训练所述多用户多无人机的移动边缘计算模型；

步骤8，测试混合决策深度强化学习算法收敛后的性能，完成多无人机辅助边缘计算的在线轨迹及资源优化。

2.根据权利要求1所述的一种多无人机辅助边缘计算的在线轨迹及资源优化方法，其特征在于，步骤1所述的构建多用户多无人机的移动边缘计算模型，具体包括：

设置T个时隙，集合为t∈T_s＝{1,2,…,T}，设置N个用户和M个无人机的初始位置，每个无人机配备MEC基站；获取用户和无人机的间的相对位置；每个时隙中，用户产生一个计算任务，根据卸载决策确定用户的任务执行方式；所述任务执行方式包括用户本地计算和用户卸载计算，具体如下：

采用用户本地计算时，计算本地计算时延和本地计算能耗；采用用户卸载计算时，根据子信道分配指示器获取每个用户分配到的子信道个数，计算采用用户卸载计算方式的用户的上传速率，并计算卸载计算上传时延和任务执行时延，计算卸载计算能耗。

3.根据权利要求2所述的一种多无人机辅助边缘计算的在线轨迹及资源优化方法，其特征在于，步骤3所述的分别构建卸载计算模型和本地计算模型，具体方法如下：

步骤3-1，构建卸载计算模型并进行计算，计算用户n与对应无人机m的水平距离，结合分配给用户n的子信道个数，得到用户n与对应无人机m的上传速率，计算相应的传输时延、卸载计算时延以及卸载计算能耗；

步骤3-2，构建本地计算模型并进行计算，计算本地计算时延以及本地计算能耗。