基于用户设备及多无人机的边缘计算系统优化方法及系统

本发明属于移动边缘计算，尤其涉及一种基于用户设备及多无人机的边缘计算系统优化方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、移动边缘计算(mobile edge computing system，mec)是一种分布式计算模型，旨在将计算和数据存储能力推向网络边缘，从而更高效地处理数据和提供服务。移动边缘计算被认为是为用户设备（user devices，uds）提供计算密集型服务的一个很有前途的技术；通过将要处理的数据卸载到mec服务器，可以有效增强用户设备的实时计算能力，降低用户设备的计算时延和能耗，进一步延长用户设备的生命周期。

3、然而，移动边缘计算系统的覆盖范围通常受到边缘服务器位置的限制，这可能导致移动边缘计算服务在某些地理区域不可用，并且边缘服务器的部署和维护成本过高。近年来，考虑到无人机（unmanned aerial vehicle，uav）具有其低成本、高时空灵活性等优势，通过部署搭载mec服务器的无人机被广泛使用。与传统mec服务器相比，部署搭载mec服务器的无人机可以扩大服务范围，更接近用户设备，提供更加可靠的通信和计算服务。

4、现有的大多数关于无人机辅助mec系统的研究都是基于用户设备将计算数据直接卸载给无人机进行处理的假设。这种直接的数据卸载方式对于能量受限的无人机是不利的，因为当用户设备的部署区域分布较广时，无人机需要消耗大量的飞行能量才能与所有的用户设备实现可靠的通信。因此，一些科研人员研究了在地面用户设备之间中继传输数据的无人机辅助mec系统的设计。但仅考虑单架无人机提供mec服务，单个无人机既要消耗能量接收用户设备传输的数据，还要消耗能量来计算用户设备的数据，会存在容错能力差、系统稳定性较弱等问题。

技术实现思路

1、为了解决现有技术的不足，本发明提供了一种基于用户设备及多无人机的边缘计算系统优化方法、系统、电子设备、计算机可读存储介质和计算机程序产品，能够减少无人机为了执行地面卸载任务而需要飞行的范围，也就相应的减少了无人机的飞行能耗，并且也可以加强系统的稳定性。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、第一方面，本发明提供了一种基于用户设备及多无人机的边缘计算系统优化方法，包括：

4、组建基于地面用户设备及无人机的多维协作辅助移动边缘计算系统；

5、构建所述多维协作辅助移动边缘计算系统能耗优化的目标函数和约束条件，对目标函数进行求解，包括：设迭代终止条件，给定中继无人机轨迹，将目标函数的求解问题分解为系统调度子问题和轨迹优化子问题并进行迭代求解；

6、在固定中继无人机轨迹的条件下，使用拉格朗日对偶方法求解系统调度子问题，直至满足迭代终止条件，得到最优的计算频率、通信调度以及数据卸载策略；基于优化后的计算频率、通信调度以及数据卸载策略，使用连续凸逼近方法求解轨迹优化子问题，直至满足迭代终止条件，得到最优的中继无人机轨迹。

7、第二方面，本发明提供了一种基于用户设备及多无人机的边缘计算系统优化系统，包括：

8、边缘计算系统组建模块，被配置为：组建基于地面用户设备及无人机的多维协作辅助移动边缘计算系统；

9、边缘计算系统优化问题求解模块，被配置为：构建所述多维协作辅助移动边缘计算系统能耗优化的目标函数和约束条件，对目标函数进行求解，包括：设迭代终止条件，给定中继无人机轨迹，将目标函数的求解问题分解为系统调度子问题和轨迹优化子问题并进行迭代求解；

10、在固定中继无人机轨迹的条件下，使用拉格朗日对偶方法求解系统调度子问题，直至满足迭代终止条件，得到最优的计算频率、通信调度以及数据卸载策略；基于优化后的计算频率、通信调度以及数据卸载策略，使用连续凸逼近方法求解轨迹优化子问题，直至满足迭代终止条件，得到最优的中继无人机轨迹。

11、第三方面，本发明提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现上述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

12、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

13、第五方面，本发明提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

14、以上一个或多个技术方案存在以下有益效果：

15、（1）本发明提供了一种新的多维协作辅助移动边缘计算系统框架，利用中继无人机收集来自地面用户设备的计算数据，并转发给计算无人机进行处理；相对于单个无人机既要消耗能量接收用户设备传输的数据，还要消耗能量来计算用户设备的数据，本发明设计两个无人机分工协作的方法，提高了系统的稳定性和容错能力。

16、（2）本发明将多维协作辅助移动边缘计算系统的能耗优化问题，分解成系统调度和轨迹优化两个子问题，并对两个子问题进行迭代求解，得到优化后的中继无人机轨迹、计算频率、通信调度以及数据卸载策略，通过对中继无人机轨迹、计算频率、通信调度以及数据卸载策略的优化实现系统总能耗的最小化。

17、（3）本发明提供的多维协作辅助移动边缘计算系统，远端的用户设备不需要与无人机直接进行通信，只需要在中继用户设备中继协助下将要处理的数据卸载给中继无人机。由于中继用户设备距离中继无人机较近，这样不仅可以提高中继无人机和用户设备的通信稳定性，还减少了中继无人机收集用户设备数据所需要飞行的范围，也就相对应减少了中继无人机的飞行能耗，也就延长了中继无人机的工作周期。

18、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，包括：

2.如权利要求1所述的一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，所述地面用户设备包括远端用户设备和中继用户设备，所述无人机包括中继无人机和计算无人机；

3.如权利要求1所述的一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，所述使用拉格朗日对偶方法求解系统调度子问题的目标函数，包括：

4.如权利要求1所述的一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，所述使用连续凸逼近方法求解轨迹优化子问题，包括：

5.如权利要求1所述的一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，所述多维协作辅助移动边缘计算系统的能耗包括：卸载能耗、悬停飞行能耗和计算能耗。

6.如权利要求1所述的一种基于用户设备及多无人机的边缘计算系统优化方法，其特征在于，所述数据卸载策略包括：数据卸载量和数据卸载功率。

7.一种基于用户设备及多无人机的边缘计算系统优化系统，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6任一项所述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述一种基于用户设备及多无人机的边缘计算系统优化方法的步骤。

技术总结
本发明属于移动边缘计算技术领域，尤其涉及一种基于用户设备及多无人机的边缘计算系统优化方法及系统；方法包括：组建基于地面用户设备及无人机的多维协作辅助移动边缘计算系统；构建系统能耗优化的目标函数和约束条件；将目标函数的求解问题分解为系统调度子问题和轨迹优化子问题并进行迭代求解，得到最优的中继无人机轨迹、计算频率、通信调度以及数据卸载策略。本发明提供了一种新的计算系统框架，利用中继无人机收集来自地面用户设备的计算数据，并转发给计算无人机进行处理；相对于单个无人机，本发明设计两个无人机分工协作的方法，提高了系统的稳定性和容错能力。

技术研发人员：田祥,姜嘉玮,禹继国,韩玉冰,毕雪莹,董安明,王桂娟,高传根
受保护的技术使用者：齐鲁工业大学（山东省科学院）
技术研发日：
技术公布日：2024/12/5