基于交替方向乘子算法的无人机支持物联网资源优化方法

技术特征：

1.基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：该方法包括如下步骤：

步骤一，将构建的无人机支持的物联网系统初始化，设定无人机数量、物联网设备数量和基站数量，并确定无人机、物联网设备、基站位置；

步骤二，根据初始化条件并结合实际情况，计算mec系统总能耗e^m，包括数据卸载传输的总能耗e^tr、无人机进行数据计算的总能耗和基站进行数据计算的总能耗

步骤三，根据初始化条件并结合实际情况，计算区块链系统的计算成本gd，从而得到区块链系统的计算时延t^d；

步骤四，结合场景和优化目标，构建系统模型优化问题；

步骤五，对问题进行转换和分解，对mec系统的资源分配问题采用基于admm的分布式优化算法对其求解；首先推导出具有全局一致约束的增广拉格朗日量，其次进行变量和拉格朗日乘子的迭代和更新；

步骤六，对区块链系统节点的cpu周期频率进行优化。

2.根据权利要求1所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤一中，通信场景中存在m个物联网设备，在三维笛卡尔坐标系下，把o定义为所有物联网设备的几何中心，每个物联网设备的位置表示为(xm,ym,0),m∈m＝{1,2,...,m}；其中xm，ym为物联网设备的x轴和y轴坐标；无人机共有n架，其位置表示为(xn,yn,h),n∈n＝{1,2,...,n}，其中xn，yn，h为无人机的x轴、y轴和z轴坐标；第n架无人机悬停的时间为tn秒；另外，基站的位置固定，表示为(xb,yb,0)，其中xb，yb为bs的x轴和y轴坐标。

3.根据权利要求2所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤二中，在mec系统中，物联网设备、无人机与基站之间进行数据的传输与计算；具体步骤如下：

步骤(2.1)，无人机将收集到的相关物联网数据卸载到基站，将amn∈{0,1},定义为无人机的计算卸载决策；第n架无人机到基站的的信道功率增益为

其中为第n架无人机与其相关基站的距离，h0为距离时的信道增益；设b为总信道带宽，为第n架无人机的传输功率；σ²为噪声功率，emn∈[0,1]，表示基站分配给计算任务的无线电频谱的百分比；那么从第n架无人机到其相关基站的数据传输速率表示为

设dmn表示第m个物联网设备传输给第n个无人机的数据量，第n架无人机到其相关基站的数据传输时延表示为

数据卸载传输的总能耗e^tr为

其中，为计算任务的无人机频谱效率；

步骤(2.2)，无人机选择将收集到的物联网设备数据自己处理时，设cmn为完成计算任务所需的cpu周期总数，为第n架无人机的计算能力(即每秒cpu周期)，求得第n架无人机计算第m个物联网设备的数据的执行时间为

无人机进行数据计算的总能耗为

其中，ln＝10^-26为有效开关电容，γⁿ＝3是一个正常数；

步骤(2.3)，无人机选择将数据卸载到基站mec服务器进行计算时，设f为一个mec服务器的总计算能力，bs分配给第m个物联网设备的计算资源的百分比为kmn∈[0,1]，因此，mec服务器计算第m个物联网设备的数据的执行时间为

bs进行数据计算的总能耗为

得到整个mec系统消耗的能量e^m为

4.根据权利要求3所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤三中，为保证卸载到mec的数据安全，区块链系统的共识节点采用拜占庭容错(pbft)协商机制对mec系统发送的计算卸载记录进行验证和共识；具体步骤如下：

步骤(3.1)，首先，区块链中的节点从mec系统收集如计算卸载记录之类的事务；当主节点收到事务时，需要检查签名和消息认证码(mac)；假设生成或验证一个签名、生成或验证一个mac分别需要和θ个cpu周期；得到主节点的计算成本为

其中，φ为一个区块中可以包含的事务数，g是正确事务的比例；

步骤(3.2)，主节点向所有副本节点发送预准备消息；副本节点在接收到一个新块后，首先验证该块的签名和mac，然后验证事务的签名和mac；在该过程中，主节点和副本节点的计算成本为

和

步骤(3.3)，每个副本节点向其他副本节点发送准备消息；节点需要验证2f(其中f＝(n-1)/3个来自其他副本节点的签名和mac；因此，主节点的计算成本为

另外，副本节点需要生成一个签名和n-1个mac，可得副本节点的计算成本

步骤(3.4)，每个副本节点向其他节点发送提交消息；节点在收到提交消息后需要验证2f个签名和mac；因此，副本节点的计算成本为

步骤(3.5)，收集到2f个匹配的提交消息之后，新的块成为一个有效的块，并将其广播到区块链系统；主节点和副本节点的计算成本为

和

得到各共识节点完成一次共识过程所需的总计算成本gd为

因此，区块链系统的总计算延迟t^d为

其中，是区块链节点n的cpu周期频率。

5.根据权利要求4所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤四中，根据步骤一至步骤三，结合场景和优化目标，构建模型优化问题；采用以下函数作为系统的目标函数；

其中，是一个将目标函数组合成一个单一的优化权重因子，是一个映射因子，用于确保目标函数处于同一水平；u(·)是一个采用指数函数的效用函数，提出联合优化问题如下：

约束1以确保无人机必须将数据卸载到基站，除非它选择单独执行计算任务；约束2表示分配给卸载到bs的所有计算任务的频谱的总和不能超过每个bs的总可用频谱；约束3表示所有相关物联网设备的计算任务所需的mec服务器的计算能力和区块链节点的计算能力之和不能超过mec服务器的总计算能力；约束4表示数据计算和数据卸载的总时间消耗不应超过每架无人机的悬停时间。

6.根据权利要求5所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤五中，根据步骤四，对mec系统的资源分配问题进行转换和分解，并采用基于admm的分布式优化算法对其求解，具体步骤如下：

步骤(5.1)，通过解决以下问题来获得最小能耗；

s.t.c1,c2,c3,c4,c5

其中，是一个常数；

由于amn的取值为0或1，因此，需要先对二元变量amn进行变量松弛，同时，定义a'mn＝1-amn，e'mn＝amn/emn，根据上述，问题可转换为

步骤(5.2)，对上述问题进行分解，对于每架无人机n，定义变量和分别为a'，e'和k'的局部变量；即

对于每个无人机的局部变量，定义如下集合χn为其可行集：

对于每个无人机n∈n，相应的局部效用函数νn为

那么全局共识问题等价写成

步骤(5.3)，采用基于admm的分布式优化算法对其求解；首先推导出具有全局一致约束的增广拉格朗日量

其中，拉格朗日乘子为ρ为惩罚参数；

推导变量和拉格朗日乘子迭代过程，局部变量迭代过程为

全局变量迭代过程为

拉格朗日乘子迭代过程为

然后进行变量和拉格朗日乘子的更新，由于无人机的数量为n，所以将迭代分解为n个子问题，求解在迭代[t+1]时的优化问题

接下来更新全局变量和拉格朗日乘子，通过将梯度设置为0，可以得到结果如下

在迭代[t]过程中，将拉格朗日乘数初始化为零，简化为

7.根据权利要求6所述的基于交替方向乘子算法的无人机支持物联网资源优化方法，其特征在于：步骤六中，在得到mec系统中计算卸载、频谱资源分配和计算资源分配的最优决策后，进行区块链系统节点cpu周期频率的优化；得到如下优化问题

得到的最优解，其值计算结果为

技术总结
本发明公开了基于交替方向乘子算法的无人机支持物联网资源优化方法，通过构建MEC系统模型、区块链系统模型，联合考虑计算卸载决策、频谱资源分配和计算资源分配，以实现MEC系统能耗和区块链系统计算延迟的最佳权衡作为优化目标，对网络场景进行建模。通过交替方向乘子算法对模型进行迭代，实现场景内的资源最优调度。本发明面向无人机支持的物联网场景，克服了物联网数据安全、无人机算力不足、资源分配不合理等造成系统能耗过高和计算时延过长等问题。仿真实验表明，本发明提出的基于交替方向乘子算法的无人机支持物联网资源优化方法实现了MEC系统能耗和区块链系统计算延迟的最佳权衡，在提升数据安全和降低系统能耗、计算时延方面具有一定的优势。

技术研发人员：张延华;赵铖泽;李萌;孙恩昌;杨睿哲;司鹏搏
受保护的技术使用者：北京工业大学
技术研发日：2021.03.26
技术公布日：2021.07.23