1.基于终端能效优化的无人机辅助边缘计算的卸载方法,其特征在于:包括有以下步骤:S1:初始化用户终端和无人机的配置信息:任务时长T、时间帧 用户终端数量K、用户终端k的具体位置zk=(xk,yk,0),k∈K、用户终端k的任务量Lk、用户终端k的计算能力fk、用户终端k任务的复杂度Ck、用户终端k处理器的有效开关电容γk、无人机的飞行高度H、无人机的瞬时位置q[n]=(x[n],y[n],H),n∈N、无人机的起点位置q0和终点位置qf、无人机速度 无人机速度的上限值vmax、无人机的质量M、无人机的计算能力c c
f 、无人机的有效开关电容γ 、无线信道带宽B、用户终端k与无人机之间的平均信道增益误差阈值ε;
S2:设置迭代次数变量以及初始化无人机轨迹;
S3:根据初始化的条件,获得初始的目标函数值,具体包括以下步骤:S3.1:获取用户终端k在第n帧计算卸载所产生的通信能耗S3.2:获取用户终端k在第n帧本地计算的能耗
S3.3:获取无人机在第n帧处理用户终端k卸载的任务产生的能耗f
S3.4:获取无人机在第n帧飞行产生的推进能耗E[n];
S3.5:通过S3.1‑S3.4得到用户终端的能耗 代入S2初始化的无人机轨迹 获取初始的用户终端的能耗
用户终端的能耗问题描述为P1:
在P1中,C1规定了无人机的能量上限,C2保证了所有用户终端的任务都能在时长T内被完成,C3保证了用户终端k本地计算能够在时长T内结束,C4保证了在任意一帧内用户终端k的任务量都是非负的,C5规定了无人机飞行轨迹的起点和终点,C6限制了无人机飞行的速度;
对 进行形式上的改写:
由于用户终端本地计算的能耗 仅与本地计算的任务量 相关,因此,改写成如下形式:
依此,问题P1改写成如下形式:
问题P1.1实质上被分成了两个子问题,分别是计算卸载任务量的分配问题和无人机的轨迹优化问题;
S4:优化计算卸载任务量的分配,具体方法为:
给定了无人机的轨迹qn[i],则问题P1.1转变成一个以用户终端本地计算的任务量和计算卸载的任务量为优化变量,最小化用户终端能耗的问题,因此将问题P1.1改写如下的形式:由于f0和f1都是凸函数,问题P2的目标函数看作是两个凸函数之和,依然具有凸性质,对于问题P2,利用CVX工具,通过标准凸优化技术进行求解,得到第i次迭代时第n帧用户终端k最优的本地计算的任务量 以及最优的计算卸载的任务量S5:优化无人机的轨迹,具体方法为:
以问题P2中解得的第i次迭代时第n帧用户终端k最优的本地计算的任务量 和最优的计算卸载的任务量 为基础,问题P1.1转变为以无人机的轨迹为优化变量,最小化用户终端能耗的问题,因此进一步将问题P1.1改写成问题P3:问题P3的目标函数是关于q[n]的凸函数,且限制条件也是凸的,因此问题P3是一个凸问题,对于问题P3,利用CVX工具,通过标准凸优化算法进行求解,得到第i次迭代时无人机最优的位置S6:判断第i次迭代时得到目标函数值与第i‑1次迭代得到的目标函数值的差值是否小于设定的容错阈值ε,若是执行步骤S7,否则迭代次数加一,返回步骤S4;
S7:获得最优的本地计算的任务量 最优的计算卸载的任务量 无人机的最优轨迹 以及最小的用户终端能耗值。
2.根据权利要求1所述的基于终端能效优化的无人机辅助边缘计算的卸载方法,其特征在于:所述S2中设置迭代次数标量以及初始化无人机轨迹包括以下步骤:S2.1:设置一个迭代次数变量i,其初始值i=0;
S2.2:设置无人机的初始轨迹为起点到终点的一条直线,无人机在飞行过程中保持匀速,由于迭代尚未开始,将初始化的无人机轨迹在第n帧的位置表示为qn[i=0]。
3.根据权利要求1所述的基于终端能效优化的无人机辅助边缘计算的卸载方法,其特征在于:所述S6的具体方法为:将第i次迭代时得到目标函数值与第i‑1次迭代得到的目标函数值进行比较,若差值在范围[‑ε,ε]内,则迭代结束,执行S7;反之,迭代次数i=i+1,并将S5中得到的无人机的最优轨迹 作为给定的无人机轨迹qn[i+1],返回执行S4。