[发明专利]无人机辅助多MEC服务器的任务完成率最大化方法

权利要求书

1.一种无人机辅助多MEC服务器的任务完成率最大化方法，其特征在于，包括如下步骤：

(1)搭建边缘计算网络模型：

搭建由一个无人机、K个用户以及M个搭载了移动边缘计算MEC服务器的基站构成的边缘计算网络模型；令和分别表示用户与基站的集合，其中k和m分别表示第k个用户和第m个搭载了移动边缘计算服务器的基站；

(2)划分用户和无人机的时隙结构：

将有限的任务完成时间T离散化为N个相等的时隙，令表示N个时隙的集合；每个时隙的持续时间为τ＝T/N，假设无人机的位置在每个时隙期间不变；用户采用时分多址协议，将每个时隙划分为K'个相等的子时隙，K'＝K，每个子时隙的持续时间为δ＝T/(NK')，且用户k在与其相应的第k'个子时隙中卸载其任务输入数据；无人机同样采用K'个等时分的时分多址协议，将每个子时隙又划分为M个小子时隙，每个小子时隙的大小由卸载决策变量α_U,k,m[n]确定；

(3)获取无人机辅助多移动边缘计算服务器场景下的最优优化变量：

(3.1)采用三维欧几里德坐标系，假设基站和所有用户的位置固定在零海拔的地面上，得到基站m和用户k的水平位置分别为b_m和w_k；假设无人机在任务完成时间T内以固定高度H飞行，H＞0；且将飞行起点和终点分别设置为q_I和q_F；基于离散路径规划方法，得到在第n个时隙无人机的水平位置q[n]＝q[nτ]，其中q[0]＝q_I，q[N]＝q_F；假设无人机与基站以及无人机与用户之间的无线信道均由视距链路主导，得到在时隙n内无人机与用户k之间以及无人机与基站m之间的信道功率增益h_U,k[n]和g_U,m[n]；

(3.2)假设每个用户均有一确定的计算任务待执行，计算任务由三元组表示，其中I_k表示计算任务输入数据的大小，C_k表示输入1比特数据所需的计算资源，T_k为用户k的最大可容忍延迟；令所有用户最大忍受时延相同，即T_k＝T；假设每个用户的任务完成率为μ_k；

(3.3)各个用户采用时分多址协议将计算任务的一部分卸载给无人机进行计算，另一部分进行用户本地计算；无人机通过优化飞行轨迹收集用户卸载的计算任务，并同样采用时分多址协议将收集到的计算任务一部分卸载给地面的多个基站进行计算，另一部分进行无人机本地计算；得到在时隙n内第k个用户的本地计算执行的任务数据量和能耗第k个用户向无人机卸载的任务数据量和传输能耗无人机本地计算执行第k个用户的任务数据量和能耗无人机向基站m卸载第k个用户的任务数据量和传输能耗以及无人机的飞行能耗

(3.4)根据下式获取用户k在每个时隙n的总能量消耗E_k[n]和无人机在每个时隙n的总能量消耗E_U[n]：

(3.5)构建最优任务完成率μ^max及用户与无人机加权能耗E^min的表达式：

其中，优化变量为用户卸载决策α＝{α_U,k,m[n]}、用户任务完成率μ＝{μ_k}、用户与无人机的本地计算CPU频率F＝{f_k[n],f_U,k[n]}、用户与无人机的发送功率P＝{p_k[n],p_U,k,m[n]}以及无人机轨迹Q＝{q[n]}；ω_U和ω_E分别表示无人机的能耗权重和总的能耗权重；

设定用户和无人机满足如下约束条件：

表示任务完成约束；表示信息因果约束，式中，其中，0≤μ_k≤1，0≤f_k[n]≤f_k,max，0≤p_k[n]≤p_k,max，p_k[N-1]＝p_k[N]＝0，0≤f_U,k[n]≤f_U,max，f_U,k[1]＝f_U,k[N]＝0，0≤p_U,k,m[n]≤p_U,max，p_U,k,m[1]＝p_U,k,m[N]＝0，0≤α_U,k,m[n]≤1，α_U,k,m[1]＝α_U,k,m[N]＝0，q[0]＝q_I，q[N]＝q_F，其中f_k,max，f_U,max，p_k,max和p_U,max分别为第k个用户和无人机的最大可用CPU频率和最大发送功率，||q[n]-q[n-1]||≤τV_max，表示无人机最大速度约束；

(3.6)最大化任务完成率以及最小化无人机与用户的加权能耗，通过交替优化算法获取任务完成率μ^max以及用户与无人机的加权能耗E^min所对应的最优优化变量；

(4)根据步骤(3.6)得到的最优任务完成率μ^max以及用户与无人机的加权能耗E^min所对应的最优优化变量设定系统工作参数，并使系统在该参数下运行，实现系统任务完成率与能耗优化。