1.一种移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,包括以下步骤:步骤S10:应用BCD方法对无人机的最优的部署位置Q={qm}、最优任务卸载调度策略最优任务调度策略 计算资源分配策略 进行解耦,得到用户卸载调度策略和计算调度策略P1、无人机部署位置P2、资源分配策略P3,优化目标为使最小化用户处理时间;
步骤S20:对于用户卸载调度策略和计算调度策略P1:通过给定部署位置{Q},计算资源* *分配{F},采用基因算法得到最优的用户卸载策略和计算策略{A,C};
*
步骤S30:对于无人机部署位置P2:根据初始计算资源分配{F},最优用户卸载策略{A}、*最优任务调度策略{C},利用一阶泰勒展开式将非凸目标函数和约束转化为凸目标和约束,进而将非凸问题转换为凸优化问题,优化无人机部署位置{Q},直到收敛到可容忍的精*度,得到最佳{Q};
* * *
步骤S40:对于资源分配策略P3:在给定条件{A,C ,Q}下,P3为一个凸问题,基于CVX迭*代得到最佳计算资源分配策略{F};
步骤S50:顺序迭代优化后步骤S20~S40所得的P1、P2、P3,并更新对应变量,得到无人机最优的部署方案与资源分配方案。
2.根据权利要求1所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S20包括以下步骤:采用GA方法,满足约束s.t.:
P1:
*
得到最优解{A ,C*},其中,约束B1表示任务需要在其时延约束;约束B2表示无人机作为MEC服务器,其计算资源也是有限的,因此,分配给用户的资源约束;约束B3表示无人机和用户的CPU芯片温度约束,约束B4和约束B5分别表示用户和无人机的能耗资源约束;约束B6表示用户需要在无人机的最大通信距离范围以内,而需满足的用户与无人机的距离约束;约束B7表示卸载决策与计算决策之间约束,约束B8和约束B9表示选择卸载的用户任务可能在卸载的无人机上计算也可能被转发到其它无人机计算;约束B10和约束B12分别表示,卸载决策约束与计算决策约束的取值范围。
3.根据权利要求2所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,GA方法包括以下步骤:步骤S21:采用二进制编码模式初始化种群中各个体任务的卸载或计算;
步骤S22:计算初始化种群各个体适应度;
步骤S23:采用轮盘赌方法选择个体;
步骤S24:以一定的概率进行交叉和变异,产生新的个体;
步骤S25:重复步骤S23、S24多次得到的多个新的个体集合形成了一个新的种群,重复步骤S22计算出所得种群中每个个体的适应度值;
步骤S26:判断步骤S25中所得各种群中各个体是否满足是否满足约束s.t,如果满足则输出最高的适应度及其对应的个体;如果不满足则返回步骤S22~S25。
4.根据权利要求3所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S22中包括以下步骤:步骤S221:判断初始种群中每个个体是否满足约束s.t.;
步骤S222:如果个体n符合约束则根据下式,计算其适应度:fitn=T‑max(Tn) (0.1)
其中,T为一个常量,用于保证适应度为一个正值;
如果个体不满足约束则将其适应度设置为0。
5.根据权利要求3所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S23具体为:计算出每个个体的适应度fiti,通过每个个体的适应度与所有个体适应度的比值计算出每个个体被选择的概率为:并按下式计算出每个个体的累积概率:
Prs={pr1,pr1+pr2,pr1+pr2+pr3,...,pr1+pr2+...+prI}其中Prs可以表示不同区间的累积概率。
6.根据权利要求3所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S24包括以下步骤:步骤S241:交叉操作:将两个父代按照预设概率进行交叉以产生新子代的过程,假设交叉概率为Pc,对于每一个个体,存在一个0~1之间的随机数,当该随机数小于Pc时,将相邻两个个体的基因进行交叉得到两个新的个体;
步骤S242:变异操作:在较小的变异概率下对个体基因进行变异。
7.根据权利要求1所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S3包括以下步骤:步骤S31:初始化参数并设置迭代次数i:初始后计算资源分配{F},最优用户卸载策略* *{A}、最优任务计算策略{C},以及无人机的初始位置{Q0},以无人机部署位置P2问题实现最大的用户处理时间最小,且满足如下所示约束条件s.t.作为迭代停止条件;
步骤S32:根据初始值计算用户户与无人机之间通信速率与距离,通过求解无人机部署*位置问题P2,得到无人机的部署位置{Q},用户与无人机之间的通信速率 无人机之间通信速率 然后更新: 直到满足如下所示的约束条件s.t.要求时停止;
P2:
Xmin≤Xm≤Xmax (E7)
Ymin≤Ym≤Ymax (E8)
约束E1代表用户的最大时延要求,其中{Dn}表示用户的任务量大小,{θn}表示用户的计算资源占有量,约束E2代表无人机的总能耗约束,其中 代表无人机悬停飞行的功率,代表无人机飞行时间,{βm}代表计算功率常数,约束E3表示代表用户擦传输速率约束,其中 代表用户上传速率的梯度,{B}代表带宽大小,约束E4表示了无人机之间传输速率约束,其中 代表无人机之间传输速率的梯度;约束E5、E6分别代表的用户与无人机之间和无人机之间的距离要求;约束E7、E8则表示的是无人机之间的部署位置的范围要求。
8.根据权利要求1所述的移动边缘计算网络任务调度、无人机资源部署方法,其特征在于,步骤S4具体包括以下步骤:* *
基于所得的最优用户卸载策略{A}、最优任务计算策略{C},以及无人机的最优部署位*置Q ,在满足CPU温度、能耗、计算资源约束下,通过CVX求解资源分配策略P3问题,以使最大用户处理时间最小化且优化结果满足约束条件.st。
P3:
其中,约束F1代表任务完成时间约束;约束F2代表无人机总的CPU资源限制;约束F3代表无人机总的能耗约束限制,约束F4和F5分别代表用户与无人机的CPU温度限制。