[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

摘要

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。

主权项

1.基于改进遗传算法的多UAV服务边缘计算的任务分配方法，其特征在于，包括以下步骤：/n步骤1、为每个无人机UAV装配服务器；/n步骤2、构建边缘计算服务系统，包括若干UAV和若干终端，并选取其中一个UAV作为边缘计算服务系统中心进行任务分配的计算；/n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；/n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；/n步骤5、将UAV服务器为需要任务卸载的终端提供边缘计算服务的路径规划即服务顺序视为旅行商问题，通过遗传算法求解每个UAV为其对应的终端提供边缘计算服务的服务顺序；/n步骤6、结合步骤5获得的服务顺序，建立每个UAV服务器提供边缘计算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；/n步骤7、根据UAV服务器提供边缘计算服务的能耗模型、时间模型和任务本地计算的时间模型，建立边缘计算服务系统完成任务的能耗和时间的双目标优化；/n步骤8、基于步骤7的双目标优化，利用并列选择、保留最优个体和共享函数的改进遗传算法对所述若干可行的卸载决策和任务分配方案进行多步优化，获得最优的终端卸载决策和无人机任务分配方案，整个边缘计算服务系统以所述最优的终端卸载决策和无人机任务分配方案进行运作。/n