[发明专利]基于改进遗传算法的多UAV服务边缘计算的任务分配方法

说明书

本发明公开了一种基于改进遗传算法的多UAV服务边缘计算的任务分配方法，包括：构建边缘计算服务系统；提取UAV及终端的属性信息；生成终端任务随机卸载到无人机服务器计算的若干决策方案；建立UAV按照TSP问题顺序服务的能耗模型和时间模型，并建立任务本地计算的时间模型，形成最小化UAV边缘计算系统能耗和时间的多目标优化；利用改进遗传算法进行求解，获得最优的终端卸载决策和无人机任务分配方案。本发明可以有效为地面终端做出卸载决策，为多UAV服务若干终端的任务进行分配，为各UAV各自服务的顺序做出规划，可以有效降低终端任务的时间延迟和无人机服务器系统提供服务的能耗，延长了多UAV挂载服务器提供边缘计算系统的生存时间并提升了终端的效率。

技术领域

本发明涉及UAV辅助边缘计算领域，特别涉及一种基于改进遗传算法的多UAV服务边缘计算的任务分配方法。

背景技术

大数据、人工智能、图像处理和视频处理等方面的技术日益成熟，使得计算任务的数据量成倍增加，计算任务的复杂度也呈指数式增长。虽然硬件方面各种处理芯片的技术也得到很大的提高，但是在很多终端仍然无法去满足其中一些计算密集型任务。云计算技术有着其独有的优势，但是由于任务数据需要上传至云服务器，其隐私安全性就需要考虑，而且带宽的限制可能无法满足大数据量的传输。边缘计算就应运而生，将小型服务器等设置在终端周围可以解决云计算的部分弊端。但是在受到自然灾害破坏的区域，通信的基础设施遭到损坏而无法使用，以及一些通信资源有限的应用场景，比如通信基站没有覆盖。这时借助无人机的机动性，并将微型服务器绑定到无人机上，在此无人机作为一个通信服务平台靠近需要卸载计算任务的终端提供服务。无人机绑定微型服务器提供边缘服务面临的问题主要包括：终端卸载任务的决策以权衡任务卸载和本地计算的优劣，无人机服务路径和顺序的优化以提高传输速率，计算任务时间延迟的优化，无人机飞行和计算传输能耗的优化以提供更长连续时间的服务。

边缘计算出现较晚，之前在传感网中有类似使用UAV辅助进行数据采集的系统，终端数据量小且不需要进行大规模数据的计算。人们关注于传感器网络节点与UAV之间的传输速率问题，而在边缘计算中数据量较大，关注于传输速率无法保证任务数据采集的完整性，进而无法进行计算。另外UAV负重较大，服务器功率也较大，边缘计算中的能耗问题需要被考虑进来。

在UAV服务边缘计算的场景中，传统的系统是使用单UAV挂载服务器为地面终端提供服务，系统聚焦于终端能耗或完成任务数，但终端分布都较为集中。若被服务的终端分布较为分散，单UAV服务的系统会带来严重的时间延迟，显然无法满足要求。

传统的系统往往仅仅聚焦于一个目标：能耗、速率或任务数，虽然也把时延考虑进来，但都是作为一个约束条件，需要人为根据经验设置，且有时设定了一个理想的时延，系统往往无法得到满足要求的决策。

发明内容

本发明的目的在于提供一种多UAV挂载服务器为地面终端提供边缘计算服务的任务分配方法，能有效的为地面终端做出卸载决策，为多UAV服务若干终端的任务进行分配，为各UAV各自服务的顺序和路径做出规划，提高多UAV挂载服务器提供边缘计算系统的工作效率。

实现本发明目的的技术解决方案为：基于改进遗传算法的多UAV服务边缘计算的任务分配方法，包括以下步骤：

步骤1、为每个无人机UAV装配服务器；

步骤2、构建边缘计算服务系统，包括若干UAV和若干终端，并随机选取其中一个UAV作为边缘计算服务系统中心进行任务分配的计算；

步骤3、由所述边缘计算服务系统中心的UAV采集边缘计算服务系统中所有UAV以及终端的属性信息，并采集各个终端的位置信息；

步骤4、所述边缘计算服务系统中心的UAV根据所采集的信息随机产生若干可行的卸载决策和任务分配方案；其中卸载决策是指终端上的任务由终端自身完成或卸载给UAV服务器完成，任务分配是指一个UAV为一个或多个终端提供边缘计算服务；