1.一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,所述方法包括如下步骤:步骤1. 根据无人机的通信成本,计算成本和飞行成本建立无人机的私有类型, 构建地空协同网络中无人机和基站的效用函数;
设定基站BS‑i和无人机UAV‑j签订契约,基站BS‑i从无人机UAV‑j购买计算资源,同时需要支付UAV‑j相应的报酬,则BS‑i的效用函数表示为:
则UAV‑j的效用表示为:
其中,表示转换系数, 表示无人机UAV‑j的私有类型, 表示云服务器预测无人机UAV‑j类型为 的概率, ;
在每个契约周期T内,云服务器提供的契约模型为 ,则可供UAV‑j选择的契约为 ,其中 ,
表示UAV‑j提供给BS‑i的计算能力, 表示基站BS‑i给无人机UAV‑j的报酬, 表示无人机的通信和计算能耗, 表示无人机的飞行能耗;
步骤2.考虑在信息非对称场景下,无人机的自私性以及状态信息的非对称性,结合基站和无人机的任务分配约束以及无人机的轨迹优化约束,建立地空协同网络中计算激励、任务分配及无人机位置联合优化问题,基站和无人机的任务分配约束以及无人机的轨迹优化约束包括:根据契约理论,满足契约 的条件是激励相容性IC和激励合理性IR约束对每种类型的基站都成立,即满足:其中, 表示UAV‑k提供给BS‑i的计算能力, 表示基站BS‑i给无人机UAV‑k的报酬,表示云服务器预测无人机UAV‑k类型为 的概率,关联向量 表示无人机UAV‑j与各个基站建立的连接关系,只要基站有计算需求,云服务器就必须调度无人机来满足基站的任务需求,同时每个基站最多只能分配一个无人机,则需要满足以下条件:其中,表示在时隙t内基站BS‑i的是否存在计算需求, 表示在时隙 内无人机UAV‑j与基站BS‑i是否建立连接;
将时隙t内的无人机位置向量定义为 ,考虑到无人机飞行过程中的安全问题,则有:
其中 表示任意计算时隙内无人机UAV‑j的位置, 表示该计算时隙内UAV‑k的位置, 为无人机之间所允许的最小距离;
步骤3.将非凸优化问题分解成三个子优化问题并进行求解,以获取最优的变量集来最大化无人机的总效用。
2.根据权利要求1所述的一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,所述步骤1中,地空协同网络包括:
1个云服务器;
N架无人机 ;
M个基站 ;
将系统时间被划分为等长的契约周期T,每个周期被划分为若干个计算时隙t,无人机的总数和类型在每个契约期T内保持不变,且每个基站的任务需求也保持不变。
3.根据权利要求2所述的一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,所述步骤1中,无人机的私有类型定义如下:其按照升序分为N种类型,表示为 ,其中 表示无人机UAV‑j的私有类型。
4.根据权利要求1所述的一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,在步骤2中,建立的地空协同网络中计算激励、任务分配及无人机位置联合优化问题表示如下:。
5.根据权利要求1所述的一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,在步骤3中,将非凸优化问题分解成三个子优化问题分别为计算激励问题,任务分配问题以及位置优化问题。
6.根据权利要求5所述的一种计算激励、任务分配及无人机位置联合优化方法,其特征在于,所述步骤3中三个子优化问题采用数学方法进行求解以获取最优设计策略;
计算激励问题:分离契约变量 ,以一个基站的要求为例可扩展到多个基站的应用,即在优化问题中移出参数t和i来确定最佳的契约设计 ,然后针对IC约束,简化为局部向下激励兼容性和局部向上激励,最后利用拉格朗日乘子法求解;
任务分配问题:分离关联变量 ,云服务器根据基站是否有计算需求来选择是否调度合适的无人机为该基站提供计算资源,从而确定 ;
位置优化问题:分离位置变量 ,设定无人机在每个时隙进行匀速直线运动,首先引用松弛变量降低复杂度;然后添加关于松弛变量的额外约束,该问题转化为凸二次约束二次规划;最后进行位置迭代得到问题的稳态解。
7.一种计算激励、任务分配及无人机位置联合优化系统,其特征在于,包括:效用函数构建模块,其根据无人机的通信成本,计算成本和飞行成本建立无人机的私有类型, 构建地空协同网络中无人机和基站的效用函数,设定基站BS‑i和无人机UAV‑j签订契约,基站BS‑i从无人机UAV‑j购买计算资源,同时需要支付UAV‑j相应的报酬,则BS‑i的效用函数表示为:
则UAV‑j的效用表示为:
其中,表示转换系数, 表示无人机UAV‑j的私有类型, 表示云服务器预测无人机UAV‑j类型为 的概率, ;
在每个契约周期T内,云服务器提供的契约模型为 ,则可供UAV‑j选择的契约为 ,其中 ,
表示UAV‑j提供给BS‑i的计算能力, 表示基站BS‑i给无人机UAV‑j的报酬, 表示无人机的通信和计算能耗, 表示无人机的飞行能耗;
联合优化问题构建模块,其考虑在信息非对称场景下,无人机的自私性以及状态信息的非对称性,结合基站和无人机的任务分配约束以及无人机的轨迹优化约束,建立地空协同网络中计算激励、任务分配及无人机位置联合优化问题,其中,基站和无人机的任务分配约束以及无人机的轨迹优化约束包括:根据契约理论,满足契约 的条件是激励相容性IC和激励合理性IR约束对每种类型的基站都成立,即满足:其中, 表示UAV‑k提供给BS‑i的计算能力, 表示基站BS‑i给无人机UAV‑k的报酬,表示云服务器预测无人机UAV‑k类型为 的概率,关联向量 表示无人机UAV‑j与各个基站建立的连接关系,只要基站有计算需求,云服务器就必须调度无人机来满足基站的任务需求,同时每个基站最多只能分配一个无人机,则需要满足以下条件:其中,表示在时隙t内基站BS‑i的是否存在计算需求, 表示在时隙 内无人机UAV‑j与基站BS‑i是否建立连接;
将时隙t内的无人机位置向量定义为 ,考虑到无人机飞行过程中的安全问题,则有:
其中 表示任意计算时隙内无人机UAV‑j的位置, 表示该计算时隙内UAV‑k的位置, 为无人机之间所允许的最小距离;
求解模块,其将非凸优化问题分解成三个子优化问题并进行求解,以获取最优的变量集来最大化无人机的总效用。
8.根据权利要求7所述的一种计算激励、任务分配及无人机位置联合优化系统,其特征在于,所述求解模块中三个子优化问题分别为计算激励问题,任务分配问题以及位置优化问题,并对其用数学方法进行求解。