一种协同边缘计算服务范围优化方法及装置与流程

1.本发明涉及无线通信技术领域，具体涉及一种协同边缘计算服务范围优化方法和装置。另外，还涉及一种电子设备及处理器可读存储介质。


背景技术：

2.边缘计算技术是通过将边缘服务器置于用户侧，用户端可直接将待计算数据卸载至边缘服务器进行计算并返回计算结果，从而缩短计算时延，其为是5g(5th generation mobile communication technology)关键技术之一。随着无人飞行器技术的快速发展，搭载边缘服务器的无人飞行器已逐步应用到货物传输、航拍、搜索救援等各行各业。现有技术中，无人飞行器在执行自身任务的过程中，会利用自身搭载的边缘服务器的资源完成任务中的各计算环节。但是现有技术中，均未考虑无人飞行器辅助边缘计算的实际问题，即用户数量大、卸载任务量以及任务复杂度高时无人飞行器可能无法实现对地面用户端服务全覆盖的现实问题。因此，如何设计一种稳定、高效的无人飞行器与地面基站协同边缘计算服务范围优化方案以提高地面用户端服务覆盖范围成为亟待解决的难题。


技术实现要素：

3.为此，本发明提供一种协同边缘计算服务范围优化方法及装置，以解决现有技术存在的无人飞行器辅助边缘计算用户数量大、卸载任务量以及任务复杂度高时无人飞行器可能无法实现对地面用户端服务全覆盖，服务覆盖范围局限性较高，资源利用率较低的问题。
4.第一方面，本发明提供一种协同边缘计算服务范围优化方法，包括：基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；
5.基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
6.在一个实施例中，基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略，具体包括：利用预设的分块处理规则对所述目标优化模型进行分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。
7.在一个实施例中，所述利用预设的分块处理规则对所述目标优化模型进行分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略，具体包括：
8.初始化所述无人飞行器的初始平面位置坐标；
9.将所述无人飞行器对应的服务系数由整数变量转换为连续变量；
10.基于所述连续变量，确定所述目标优化模型对应的满足预设第二约束条件的待分
析目标优化模型，并基于初始化后的所述初始平面位置坐标对所述待分析目标优化模型进行分析，得到相应的服务系数；
11.将所述服务系数按照从大到小顺序进行排列，将取值大的服务系数置为1，将取值小的服务系数置为0，并对所述待分析目标优化模型进行重新分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的初始资源分配策略；
12.其中，所述服务系数置为1表示所述无人飞行器为目标用户端服务；所述服务系数置为0表示所述无人飞行器不为目标用户端服务；
13.利用预设的遗传算法模型或将所述无人飞行器对应的飞行区域均分，将每个均分区域的中心点坐标作为所述无人飞行器对应的新的平面位置坐标，更新所述初始平面位置坐标；
14.若所述待分析目标优化模型未收敛或迭代次数未达到预设的迭代次数阈值，则利用更新后得到的平面位置坐标对所述待分析目标优化模型进行迭代分析；若所述待分析目标优化模型收敛或迭代次数达到预设的迭代次数阈值，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。
15.在一个实施例中，所述的协同边缘计算服务范围优化方法，还包括：基于所述用户端的平面位置坐标、所述无人飞行器的平面位置坐标以及相应基站的平面位置坐标，分别确定所述无人飞行器与所述用户端之间的第一信道模型以及所述无人飞行器与所述基站之间的第二信道模型。
16.在一个实施例中，所述的协同边缘计算服务范围优化方法，还包括：基于所述无人飞行器的第一信道带宽、所述用户端的发送功率、所述无人飞行器处噪声功率以及所述第一信道模型，确定所述用户端与所述无人飞行器之间的上传速率模型。
17.在一个实施例中，所述的协同边缘计算服务范围优化方法，还包括：基于所述无人飞行器的第二信道带宽、所述无人飞行器通过所述第二信道向所述基站发送用户端任务时所述无人飞行器的发送功率以及所述第二信道模型，确定无人飞行器在第二信道的发送速率模型。
18.第二方面，本发明还提供一种协同边缘计算服务范围优化装置，包括：目标优化模型确定单元，用于基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；
19.资源分配策略确定单元，用于基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
20.在一个实施例中，所述资源分配策略确定单元，用于：利用预设的分块处理规则对所述目标优化模型进行分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。
21.在一个实施例中，所述资源分配策略确定单元，具体用于：
22.初始化所述无人飞行器的初始平面位置坐标；
23.将所述无人飞行器对应的服务系数由整数变量转换为连续变量；
24.基于所述连续变量，确定所述目标优化模型对应的满足预设第二约束条件的待分析目标优化模型，并基于初始化后的所述初始平面位置坐标对所述待分析目标优化模型进
行分析，得到相应的服务系数；
25.将所述服务系数按照从大到小顺序进行排列，将取值大的服务系数置为1，将取值小的服务系数置为0，并对所述待分析目标优化模型进行重新分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的初始资源分配策略；
26.其中，所述服务系数置为1表示所述无人飞行器为目标用户端服务；所述服务系数置为0表示所述无人飞行器不为目标用户端服务；
27.利用预设的遗传算法模型或将所述无人飞行器对应的飞行区域均分，将每个均分区域的中心点坐标作为所述无人飞行器对应的新的平面位置坐标，更新所述初始平面位置坐标；
28.若所述待分析目标优化模型未收敛或迭代次数未达到预设的迭代次数阈值，则利用更新后得到的平面位置坐标对所述待分析目标优化模型进行迭代分析；若所述待分析目标优化模型收敛或迭代次数达到预设的迭代次数阈值，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。
29.在一个实施例中，所述的协同边缘计算服务范围优化装置，还包括：第二信道模型确定单元，用于基于所述用户端的平面位置坐标、所述无人飞行器的平面位置坐标以及相应基站的平面位置坐标，分别确定所述无人飞行器与所述用户端之间的第一信道模型以及所述无人飞行器与所述基站之间的第二信道模型。
30.在一个实施例中，所述的协同边缘计算服务范围优化方法，还包括：上传速率模型确定单元，用于基于所述无人飞行器的第一信道带宽、所述用户端的发送功率、所述无人飞行器处噪声功率以及所述第一信道模型，确定所述用户端与无人飞行器之间的上传速率模型。
31.在一个实施例中，所述的协同边缘计算服务范围优化装置，还包括：发送速率模型确定单元，用于基于所述无人飞行器的第二信道带宽、所述无人飞行器通过所述第二信道向所述基站发送用户端任务时所述无人飞行器的发送功率以及所述第二信道模型，确定所述无人飞行器在第二信道的发送速率模型。
32.第三方面，本发明还提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任意一项所述的协同边缘计算服务范围优化方法的步骤。
33.第四方面，本发明还提供一种处理器可读存储介质，所述处理器可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如上述任意一项所述的协同边缘计算服务范围优化方法的步骤。
34.采用本发明所述的协同边缘计算服务范围优化方法，针对无人飞行器辅助边缘计算的实际问题，即用户数量大、卸载任务量以及计算任务复杂度高时无人飞行器可能无法实现对地面用户端服务全覆盖的缺陷。通过考虑携带边缘计算服务器的无人飞行器与地面基站协作，将用户端任务通过无人飞行器本地边缘计算和中继转发至地面基站进行处理的方式，降低了任务处理的复杂度，最大化被服务地面用户端的个数，即最大化无人飞行器服务覆盖范围，同时提高了资源的利用率。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。
36.图1为本发明实施例提供的协同边缘计算服务范围优化方法的流程示意图；
37.图2为本发明实施例提供的无人飞行器边缘计算网络系统的示意图；
38.图3为本发明实施例提供的利用预设的分块处理规则对所述目标优化模型进行分析的流程示意图；
39.图4为本发明实施例提供的无人飞行器服务用户端数量与无人飞行器最大计算能力关系的示意图；
40.图5为本发明实施例提供的无人飞行器服务用户端数量与能耗权值关系的示意图；
41.图6为本发明实施例提供的无人飞行器计算能耗与能耗权值关系的示意图；
42.图7为本发明实施例提供的无人飞行器部署位置与能耗权值为1的关系的示意图；
43.图8为本发明实施例提供的无人飞行器部署位置与能耗权值为3的关系的示意图；
44.图9为本发明实施例提供的无人飞行器部署位置与能耗权值为5的关系的示意图；
45.图10为本发明实施例提供的无人飞行器部署位置与能耗权值为7的关系的示意图；
46.图11为本发明实施例提供的协同边缘计算服务范围优化装置的结构示意图；
47.图12为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
48.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。
49.下面基于本发明所述的协同边缘计算服务范围优化方法，对其实施例进行详细描述。如图1所示，其为本发明实施例提供的协同边缘计算服务范围优化方法的流程示意图，实现过程包括以下步骤：
50.步骤101：基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型。
51.如图2所示，本发明应用的无人飞行器边缘计算网络系统包括至少一个无人飞行器、至少一个基站以及k个地面用户端。所述地面用户端包含用户1、用户2、用户3等。每个用户端坐标分别表示为其中令w0表示基站坐标。无人飞行器坐标表示为q＝(xq,yq,h)，其中h为无人飞行器飞行高度。
52.在具体实施过程中，执行本步骤之前，需要基于所述用户端的平面位置坐标、所述无人飞行器的平面位置坐标以及相应基站的平面位置坐标，分别确定所述无人飞行器与所
述用户端之间的第一信道模型以及所述无人飞行器与所述基站之间的第二信道模型。所述第一信道模型为所述无人飞行器与所述用户端之间的信道功率增益算法模型，所述第二信道模型为无人飞行器与所述基站之间的信道功率增益算法模型。
53.具体的，首先无人飞行器与第k个地面用户与基站之间信道功率增益分别建模(假设信道具有互易性)，确定的所述无人飞行器与所述用户端之间的第一信道模型hk以及所述无人飞行器与所述基站之间的第二信道模型hu分别为：
[0054][0055][0056]
其中，β0为每米传输距离造成的路径损耗；wk为用户端坐标，其中w0表示基站坐标；q＝(xq,yq,h)为无人飞行器坐标，其中h为无人飞行器飞行高度。
[0057]
在具体实施过程中，用户端k待卸载的任务可描述为一个三元数组(lk,ck,tk)，其中该数组元素从前到后依次分别表示待卸载任务量、任务计算复杂度(处理单位任务量需要的算力)以及任务完成最大时延。不失一般性，令令μk表示第k个用户的服务因子，当μk＝0表示无人飞行器不为第k个用户服务，即第k个用户不卸载任务给无人飞行器；当μk＝1表示无人飞行器为第k个用户服务，即第k个用户卸载任务给无人飞行器。
[0058]
同时，基于所述无人飞行器的第一信道带宽、所述用户端的发送功率、所述无人飞行器处噪声功率以及所述第一信道模型，确定所述用户端与所述无人飞行器之间的上传速率模型。
[0059]
具体的，地面用户端与无人飞行器之间通过频分多址(frequency division multiple access；fdma)的方式上传计算任务数据。该无人飞行器共有n个子信道(即第一信道)，对应的上传速率模型为：
[0060][0061]
其中，pk为用户发送功率；为无人飞行器处噪声功率；bwhz为每个子信道(即第一信道)的带宽；hk为所述无人飞行器与所述用户端之间的第一信道模型。
[0062]
除此之外，还需要基于所述无人飞行器的第二信道带宽、所述无人飞行器通过所述第二信道向所述基站发送用户端任务时所述无人飞行器的发送功率以及所述第二信道模型，确定所述无人飞行器在第二信道的发送速率模型。
[0063]
具体的，无人飞行器中搭载边缘服务器，但是由于无人飞行器搭载量有限，其搭载的服务器计算能力较弱。无人飞行器与地面基站之间可以通信，基站与地面用户端之间假设由于遮挡不存在有效链路，因此无人飞行器可通过第二信道将用户端发送的部分计算任务数据卸载给地面基站处理。该基站搭载计算能力强的服务器，协助计算任务处理。无人飞
行器与基站之间仍使用fdma方式进行任务卸载，不失一般性，令其具有n个子信道(即第二信道)，每个子信道带宽为buhz。无人飞行器在子信道k发送速率为：
[0064][0065]
其中，pu[k]表示发送用户k(用第k个子信道)任务时无人飞行器发送功率；hu为所述无人飞行器与所述基站之间的第二信道模型；为无人飞行器处噪声功率；bu为每个子信道(即第二信道)带宽。
[0066]
地面用户端若接收服务，则其向无人飞行器卸载时间为：
[0067][0068]
需要说明的是，由于计算结果往往较小，且地面基站计算能力强，因此在实际实施过程中可忽略计算结果返回时间与基站计算时间。
[0069]
上述确定无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型之后，在本步骤中，可进一步基于所述第一信道模型、所述第二信道模型、所述上传速率模型以及所述发送速率模型确定目标优化模型。
[0070]
具体的，根据第一信道模型、第二信道模型、用户给无人飞行器上传速率模型与无人飞行器数据发送速率模型建立对应无人飞行器覆盖范围最大化优化问题的目标优化模型p1。
[0071]
该目标优化模型表达式如下：
[0072][0073][0074][0075][0076]
c4:x
min
≤q
x
≤x
max
,y
min
≤qy≤y
max
[0077]
其中，p＝{pu[1],pu[1],
…
,pu[k]}；f＝[f1,f2,
…
,fk]；μ＝[μ1,μ2,
…
,μk]；q＝[q
x
,qy]；为无人飞行器计算能耗；η为单位算力耗能因子；f
max
与p
max
分别为无人飞行器最大算力与发送功率；fk为无人飞行器为用户k分配的算力；ω≥0为能耗权值，ω越大则无人飞行器在最大化覆盖范围的同时也更关注计算能耗；θ≥0为量级归一化因子，用来将无人飞行器计算能耗与服务用户数两个量的量级统一；为无人飞
行器服务的用户总数；为无人飞行器计算能耗，为无人飞行器任务卸载能耗；约束c1表示服务用户端卸载任务量可以在要求时间内由无人飞行器通过本地计算与任务卸载至基站完成，其中表示无人飞行器计算的用户端任务量(或业务量)，(t-τk)ru[k]表示无人飞行器卸载给基站的用户端任务量(或业务量)；约束c2为服务系数μk的约束，其中μk表示第k个用户的服务因子,表示每个用户可以选择服务与不服务，最多服务用户端数小于n；约束c3为无人飞行器本地计算算力与发送功率的因果约束，其中表示无人飞行器最多分配的算力不能超过其最大值f
max
，表示无人飞行器发送功率不能超过其最大允许发送功率p
max
；约束c4为无人飞行器部署位置约束，x
min
,x
max
,y
min
,y
max
为无人飞行器飞行边界。
[0078]
在本发明实施例中，所述第一约束条件包含所述约束c1、约束c2、约束c3以及约束c4。
[0079]
步骤102：基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
[0080]
在本步骤中，可按照预设的分块处理规则对所述目标优化模型进行分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。也就是，首先初始化所述无人飞行器的初始平面位置坐标，并将所述无人飞行器对应的服务系数由整数变量转换为连续变量。基于所述连续变量，确定所述目标优化模型对应的满足预设第二约束条件的待分析目标优化模型，并基于初始化后的所述初始平面位置坐标对所述待分析目标优化模型进行分析，得到相应的服务系数。将所述服务系数按照从大到小顺序进行排列，将取值大的服务系数置为1，将取值小的服务系数置为0，并对所述待分析目标优化模型进行重新分析，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的初始资源分配策略。其中，所述服务系数置为1表示所述无人飞行器为目标用户端服务；所述服务系数置为0表示所述无人飞行器不为目标用户端服务。进一步的，利用预设的遗传算法模型或将所述无人飞行器对应的飞行区域均分，将每个均分区域的中心点坐标作为所述无人飞行器对应的新的平面位置坐标，更新所述初始平面位置坐标。若所述待分析目标优化模型未收敛或迭代次数未达到预设的迭代次数阈值，则利用更新后得到的平面位置坐标对所述待分析目标优化模型进行迭代分析；若所述待分析目标优化模型收敛或迭代次数达到预设迭代次数阈值，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。其中，所述第二约束条件包括所述约束c1、约束c3以及约束c5。
[0081]
具体的，如图3所示，针对所述目标优化模型的分析过程可确定为非凸问题，具体可采用分块求解方法。第一步：初始化所述无人飞行器的初始平面位置坐标q；第二步：将整数变量松弛为一连续变量第三步：基于所述连续变量求解松弛后的凸优化问题，确定所述目标优化模型对应的满足预设第二约束条件的待分析目标
优化模型p2，该待分析目标优化模型对应的表达式如下：
[0082][0083]
s.t.c1,c3,
[0084][0085]
第四步：基于初始化后的所述初始平面位置坐标对所述待分析目标优化模型进行分析，得到相应的服务系数μ，将第三步求解的μ按照大小顺序排列，逐一将取值大的服务系数置为1，比该取值小服务系数置为0，将其带入待分析目标优化模型p2(即问题p2)重新求解，得到目标函数(即待分析目标优化模型)最大的可行解；所述最大的可行解即对应所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的初始资源分配策略；第五步：利用遗传算法模型或将无人飞行器的飞行区域均匀分块，将每个区域的中心点坐标作为无人飞行器新的平面位置坐标，更新所述初始平面位置坐标q；第六步：若待分析目标优化模型算法未收敛或迭代次数未到最大值，则返回第二步；否则算法结束，此时，确定最优的所述无人飞行器服务覆盖范围最大化且能耗满足预设条件时对应的资源分配策略。需要说明的是，上述提到的所有公式中所包含的相同标识参数均表示相同的物理含义，在此不再一一赘述。
[0086]
在一个实际实施过程中，对本发明对所提目标优化模型进行仿真，不失一般性，利用无人飞行器cpu工作频率作为算力衡量指标，仿真基本参数可设置为：x
min
＝0,x
max
＝30,y
min
＝0,y
max
＝30，f
max
与p
max
分别为0.1ghz与1w。n＝10，k＝10，bu为200khz，bw为50khz,pk为10mw,lk为100000bits，ck为1000，θ为100。由图4可以看出，随着用户计算任务量增加，无人飞行器服务用户端数(即服务覆盖范围)减少。随着无人飞行器计算能力的增加，其覆盖范围增加。由图5与图6可以看出，随着能耗加权系数增加，无人飞行器服务用户数与无人飞行器计算能耗均降低。从图7-10看出，随着能耗权值的增加，无人飞行器为节省计算能耗，其部署位置会越来越趋向于基站位置，且服务用户数减少。
[0087]
采用本发明实施例所述的协同边缘计算服务范围优化方法，考虑基站与无人飞行器协同的单无人飞行器多地面用户端无人飞行器服务覆盖范围最大化同时兼顾计算能耗的资源调度问题建模方式。针对无人飞行器辅助边缘计算的实际问题，即用户数量大、卸载任务量以及任务复杂度高时无人飞行器可能无法实现对地面用户端服务全覆盖的缺陷。通过考虑携带边缘计算服务器的无人飞行器与地面基站协作，将用户端任务通过无人飞行器本地边缘计算和中继转发至地面基站进行处理的方式，降低了任务处理的复杂度，最大化被服务地面用户端的个数，即最大化无人飞行器服务覆盖范围。
[0088]
与上述提供的一种位于基站侧的协同边缘计算服务范围优化方法相对应，本发明还提供一种位于基站侧的协同边缘计算服务范围优化装置。由于该装置的实施例相似于上述方法实施例，所以描述得比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的协同边缘计算服务范围优化装置的实施例仅是示意性的。请参考图11所示，其为本发明实施例提供的一种协同边缘计算服务范围优化装置的结构示意图。
[0089]
本发明所述的协同边缘计算服务范围优化装置包括如下部分：
[0090]
目标优化模型确定单元1101，用于基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；
[0091]
资源分配策略确定单元1102，用于基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
[0092]
采用本发明实施例所述的协同边缘计算服务范围优化装置，针对无人飞行器辅助边缘计算的实际问题，即用户数量大、卸载任务量以及任务复杂度高时无人飞行器可能无法实现对地面用户端服务全覆盖的缺陷。通过考虑携带边缘计算服务器的无人飞行器与地面基站协作，将用户端任务通过无人飞行器本地边缘计算和中继转发至地面基站进行处理的方式，降低了任务处理的复杂度，最大化被服务地面用户端的个数，即最大化无人飞行器服务覆盖范围，同时提高了资源的利用率。
[0093]
与上述提供的协同边缘计算服务范围优化方法相对应，本发明还提供一种电子设备。由于该电子设备的实施例相似于上述方法实施例，所以描述得比较简单，相关之处请参见上述方法实施例部分的说明即可，下面描述的电子设备仅是示意性的。如图12所示，其为本发明实施例公开的一种电子设备的实体结构示意图。该电子设备可以包括：处理器(processor)1201、存储器(memory)1202和通信总线1203，其中，处理器1201，存储器1202通过通信总线1203完成相互间的通信，通过通信接口1204与外部进行通信。处理器1201可以调用存储器1202中的逻辑指令，以执行协同边缘计算服务范围优化方法。该方法包括：基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
[0094]
此外，上述的存储器1202中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：存储芯片、u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0095]
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在处理器可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的协同边缘计算服务范围优化方法。该方法包括：基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
[0096]
又一方面，本发明实施例还提供一种处理器可读存储介质，所述处理器可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的协同边缘计算服务范围优化方法。该方法包括：基于无人飞行器与用户端之间的第一信道模型、所述无人飞行器与基站之间的第二信道模型、所述用户端与所述无人飞行器之间的上传速率模型以及所述无人飞行器在第二信道的发送速率模型，确定满足预设第一约束条件的目标优化模型；基于所述目标优化模型，确定所述无人飞行器服务覆盖范围最大化且能耗满足预设能耗约束条件时对应的资源分配策略。
[0097]
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0098]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0099]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0100]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。