[发明专利]基于交替方向乘子算法与移动边缘计算的网络资源优化调度决策方法

说明书

本发明公开了基于交替方向乘子算法与移动边缘计算的网络资源优化调度决策方法，通过构建数据卸载模型、计算模型和通信模型，联合考虑数据卸载时间、数据计算时间和数据传输时间，以降低系统能耗作为优化目标，对网络场景进行建模。通过交替方向乘子算法对模型进行迭代，完成场景内的资源最优调度。本发明面向无人机辅助的物联网场景，克服了物联网设备对于无人机的选择决策、数据处理时延过长和能耗过高等问题。仿真实验表明，本发明在降低系统能耗方面具有一定的优势。

技术领域

本发明涉及一种基于交替方向乘子算法与移动边缘计算的无人机支持的物联网资源优化调度决策方法，通过交替方向乘子算法，设计一种在物联网设备、配备有移动边缘计算(mobile edge computing,MEC)的无人机和无线接入点(access point,AP)之间数据卸载、数据计算和数据传输过程中，通过优化资源调度策略，有效减少系统能耗的决策优化方法，属于网络资源分配和系统决策的相关领域。

背景技术

当前，物联网是新一代信息技术的重要组成部分。物联网随着RFID(radiofrequency identification)、智能传感器、通信技术和互联网协议的发展而不断推进。其中，物联网的通信技术被广泛应用，它包含两种通信方式，第一种是将异构对象连接在一起，另一种通信技术是数据无线传输交互，在100米范围内使用无线电波交换数据。

由于物联网设备本身数据计算的局限性，所以它对计算处理能力的要求越来越高。与传统的云计算系统相比，边缘云计算技术更加有利于数据计算与处理，提高用户服务质量。但是，随着物联网的应用规模越来越大，数据计算处理要求也随时提高，用户对系统性能提出了更高质量的要求。因此，MEC的概念应运而生。MEC除了可以实现网络内缓存功能外，它还使计算资源更接近用户，具有低服务延迟和高服务质量的特点。近些年来，许多文献围绕MEC技术进行了研究与讨论。对此，浙江工业大学的Qian等人研究了启用多址MEC，通过对其研究，发现智能终端可以将其计算工作卸载到边缘服务器，并建立系统模型，联合优化计算资源，达到了最小化系统成本的目的。河北工程大学的Sun等人提出了一种新的基于移动边缘计算的物联网架构去处理移动边缘的数据流，并且利用基于软件定义网络的迁移方案最小化核心网络流量。深圳大学的Cui等人为满足用户需求，联合考虑能量消耗和时间延迟节省了系统的计算资源和能耗。

现如今，无人机的广泛应用也吸引了学术界的广泛关注。无人机的可运动性为物联网设备与用户带了极大的便利。庆熙大学的Kim等人结合通信技术和无人机的优点，将任务卸载到能够提供计算资源的移动边缘服务器上，利用优化算法降低能量消耗和处理时间。北京邮电大学的Zhang等人提出了新的终端设备计算策略，通过优化无人机轨迹设计，使系统能耗达到最小。西北工业大学的Liu等人提出了多领导多跟随博弈来描述由两层无人机组成的MEC网络中的卸载问题，实现了延迟的最小化和利润的最大化。

尽管上述研究物联网、无人机与移动边缘计算技术结合，对系统能耗、时延、收益等性能进行了不同方面、不同层次的优化，然而在将无人机整合入物联网时，仍将面临一些潜在的问题和挑战。例如，上述研究中只能选择一架无人机卸载数据，当物联网设备数量过多时，时间的消耗会显著增加，从而影响系统的整体能耗。另外一个问题是如何分配数据卸载、数据计算和数据传输的时间，以达到系统能耗最小。因此，这些问题在设计系统时均须仔细考虑。

综上所述，本发明面向物联网场景中数据卸载、数据计算和数据传输等问题，提出一种基于交替方向乘子算法(alternating direction method of multipliers,ADMM)与移动边缘计算的网络资源优化调度决策方法，通过联合考虑场景下物联网设备、无人机和AP的状态，同时优化数据卸载时间、数据计算时间和数据传输时间，以达到有效减少系统能耗的目的。

发明内容