[发明专利]基于博弈论的无人机分层移动边缘计算网络的能耗优化方法

说明书

本发明公开了一种基于博弈论的无人机分层移动边缘计算网络的能耗优化方法，包括以下步骤：步骤1，建立无人机分层移动边缘计算场景，分析推导出联盟成员进行本地计算和任务卸载时的代价函数，以及联盟头作为中继和服务商时的代价函数；步骤2，将无人机分层移动边缘计算网络的能耗问题建模为斯坦伯格博弈模型；步骤3，利用基于对数线性‑最优响应的分层迭代学习算法求解上下层无人机的最优策略，使下层无人机联盟成员获得最优信道选择，上层无人机联盟头获得最优位置选择和角色选择。本发明的一种基于博弈论的无人机分层移动边缘计算网络的能耗优化方法可有效的减少网络消耗，提高无人机移动边缘计算网络的续航能力。

技术领域

本发明涉及一种基于博弈论的无人机分层移动边缘计算网络的能耗优化方法，属于资源分配领域。

背景技术

无人机由于其可动态部署、高度自主等特点，在军用和民用领域都扮演极其重要的角色。无人机联盟可更灵活高效的完成一系列任务，应用前景十分广阔。

移动边缘计算(MEC)作为第五代移动通信网络(5G)中最有前途的技术之一，通过将需要处理的数据卸载到周边资源丰富、性能较强的MEC服务器上，它可以显着提高延迟性能并减少移动设备的能耗。因此，该技术十分适合能量受限的无人机联盟。

不同于传统的地面MEC网络，无人机联盟网络存在以下特点：无人机小型化使得联盟成员性能较弱，无法独立完成数据处理，联盟头的高性能可帮助其所在联盟成员快速高效的完成数据处理，因此无人机分层MEC网络呈现多服务器-多终端的特性。此外，传统的地面MEC网络中，MEC服务器设在基站或接入点中，因此无法移动。无人机的飞行动态性可用于优化MEC服务器和终端之间的信道质量。所以无人机分层移动边缘计算网络中的能耗优化方法成为无人机群资源分配中亟待解决的问题。

发明内容

本发明针对现有技术中的不足，提供一种基于博弈论的无人机分层移动边缘计算网络的能耗优化方法，上层无人机联盟头通过位置和角色选择，下层无人机通过信道选择，上下层交互迭代，可以找到最优方案，使得联盟头和联盟成员的能耗最小化。

为实现上述目的，本发明采用以下技术方案：

一种基于博弈论的无人机分层移动边缘计算网络的能耗优化方法，包括以下步骤：

步骤1，建立无人机分层移动边缘计算场景，所述场景包含两层，其中上层为无人机联盟头，下层为无人机联盟成员，同时，分析推导出联盟成员进行本地计算和任务卸载时的代价函数，以及联盟头作为中继和服务商时的代价函数。

步骤2，将无人机分层移动边缘计算网络的能耗问题建模为斯坦伯格博弈模型，博弈领导者为上层无人机联盟头，博弈跟随者为下层的无人机联盟成员；

步骤3，利用基于对数线性-最优响应的分层迭代学习算法求解上下层无人机的最优策略，使下层无人机联盟成员获得最优信道选择，上层无人机联盟头获得最优位置选择和角色选择。

进一步地，其特征在于，所述步骤1中，考虑一个基于联盟的无人机分层移动边缘计算网络，包含N个无人机联盟头以及Q个无人机联盟成员，

对于联盟成员m_n,k，其坐标表示为其中分别表示联盟成员m_n,k在三维空间中的横坐标，纵坐标以及离水平地面的垂直距离，定义为联盟成员m_n,k信道选择，其中为网络中的可用信道集合，若则表示成员m_n,k进行本地计算，若则表示成员m_n,k通过信道进行数据卸载；对于联盟头h_n，其策略定义为联合角色与位置选择其中为联盟头的角色选择，relay表示中继角色，server表示服务商角色，为联盟头的位置选择，其中分别表示联盟头h_n在三维空间中的横坐标，纵坐标以及离水平地面的垂直距离；定义联盟成员进行本地计算的能耗为：