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em,包括数据卸载传输的总能耗etr、无人机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td;
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},
其中
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
数据卸载传输的总能耗etr为
其中,
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,
无人机进行数据计算的总能耗
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],
bs进行数据计算的总能耗
得到整个mec系统消耗的能量em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
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td为
其中,
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,
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,
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,
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
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
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