一种基于任务优先级的无人机协助边缘计算的资源分配方法

1.本发明属于无人机资源分配技术领域，具体涉及一种基于任务优先级的无人机协助边缘计算的资源分配方法。


背景技术：

2.无人驾驶飞机简称“无人机”，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作。由于国内外无人机相关技术飞速发展，无人机系统种类繁多，这里主要指的是通信中继无人机。无人机可以代替人类在人类无法进入的区域或危险的区域执行探索任务。它们还可以作为空中基站，为基础设施有限的地区提供通信覆盖。事实上，由于其基础技术的成熟，以及无人机的3d空中机动性，应用无人机作为空中基站可以很大程度提高当前通信系统的效率。
3.边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点移往网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理的大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘计算是在靠近数据源头的地方提供智能分析处理服务，减少时延，提升效率，提高安全隐私保护。
4.随着移动互联网的快速发展，智能移动物联网设备，如智能手机、智能手表的普及，低延迟耐受性、高能耗和计算密集型的新应用程序不断增加。由于移动物联网设备的物理尺寸受到限制，很难满足这些新应用的要求。计算密集型应用的不同工作负载与有限的计算资源之间的矛盾给用户体验带来了挑战。现有的边缘计算技术为解决时延和能耗提供了很有前途的解决方案。然而即使是现有的边缘计算技术，也无法处理可用基础设施有限时的无线网络场景，如灾害响应、紧急救援或军事机动环境。在这些情况下，一些地面基站可能会被自然灾害或军事攻击所破坏。无人机可以快速部署到基础设施不可用的区域协助边缘计算服务用户物联网设备。
5.综上所述，亟需一种无人机协助边缘计算的资源分配方法，从而实现系统的合理资源调度，提高系统性能。


技术实现要素：

6.针对现有技术存在的不足，本发明提出了一种基于任务优先级的无人机协助边缘计算的资源分配方法，该方法包括：
7.s1：构建无人机协助边缘计算的物联网设备系统模型；
8.s2：根据无人机协助边缘计算的物联网设备系统模型构建通信模型、时延模型和能耗模型；
9.s3：采用层次分析法对物联网设备的计算任务进行优先级划分，得到不同计算任务的优先级权重；
10.s4：根据优先级权重、通信模型、时延模型和能耗模型构建最小开销优化问题；
11.s5：求解最小开销优化问题，得到计算任务的资源分配结果；物联网设备根据资源
分配结果进行计算处理。
12.优选的，构建通信模型的过程包括：根据物联网设备与无人机之间的传输距离计算物联网设备与无人机之间的信道增益；根据无人机与边缘计算接入点之间的传输距离计算无人机与边缘计算接入点之间的信道增益；根据物联网设备与无人机之间的信道增益计算物联网设备与无人机之间的信息传输速率；根据无人机与边缘计算接入点之间的信道增益计算无人机与边缘计算接入点之间的信息传输速率。
13.进一步的，通信模型的表达式为：
[0014][0015][0016][0017][0018]
其中，表示第k个物联网设备与无人机之间的信道增益，α0表示单位接收功率，表示第k个物联网设备与无人机之间的传输距离，h表示无人机的飞行高度，qu表示无人机的水平坐标，qk表示第k个物联网设备的水平坐标，表示无人机与第i个边缘计算接入点之间的信道增益，表示无人机与第i个边缘计算接入点之间的传输距离，q
api
表示第i个边缘计算接入点的水平坐标，表示第k个物联网设备与无人机之间的信息传输速率，表示无人机分配给第k个物联网设备的宽带资源，pk表示第k个物联网设备的发送功率，σ2表示噪声功率，表示无人机与第i个边缘计算接入点之间的信息传输速率，表示第i个边缘计算接入点分配给第k个物联网设备的宽带资源，表示无人机的发送功率。
[0019]
优选的，构建时延模型的过程包括：根据物联网设备与无人机之间的信息传输速率计算物联网设备将计算任务上传到无人机的传输时延；根据无人机与边缘计算接入点之间的信息传输速率计算无人机将计算任务传输到边缘计算接入点的传输时延；根据无人机分配给物联网设备的计算资源计算无人机处理计算任务的处理时延；根据边缘计算接入点分配给物联网设备的计算资源计算边缘计算接入点处理计算任务的处理时延。
[0020]
进一步的，时延模型的表达式为：
[0021][0022][0023][0024]
[0025]
其中，表示第k个物联网设备将计算任务上传到无人机的传输时延，dk表示第k个物联网设备上传的计算任务的数据大小，表示第k个物联网设备与无人机之间的信息传输速率，表示无人机将第k个物联网设备的计算任务数据传输到第i个边缘计算接入点的传输时延，θ
apik
表示第k个物联网设备卸载到第i个边缘计算接入点的计算任务占总计算任务的比例，表示无人机与第i个边缘计算接入点之间的信息传输速率，表示无人机处理第k个物联网设备的计算任务的处理时延，θ
uk
表示第k个物联网设备卸载到无人机的计算任务占总计算任务的比例，ck表示处理1bit任务cpu需要循环的次数，表示无人机分配给第k个物联网设备的计算资源，表示第i个边缘计算接入点处理第k个物联网设备计算任务的处理时延，表示第i个边缘计算接入点分配给第k个物联网设备的计算资源。
[0026]
优选的，构建能耗模型的过程包括：根据无人机的接收功率和物联网设备将计算任务上传到无人机的传输时延计算无人机接收计算任务的能耗；根据无人机处理计算任务的处理时延和无人机分配给物联网设备的计算资源计算无人机处理计算任务的能耗；根据无人机的发送功率和无人机将计算任务传输到边缘计算接入点的传输时延计算无人机传输计算任务到边缘计算接入点的传输能耗。
[0027]
进一步的，能耗模型的表达式为：
[0028][0029][0030][0031]
其中，表示无人机接收第k个物联网设备的计算任务的能耗，表示无人机的接收功率，表示第k个物联网设备将计算任务上传到无人机的传输时延，表示无人机处理第k个物联网设备的计算任务的能耗，β表示电容参数，表示无人机分配给第k个物联网设备的计算资源，表示无人机处理第k个物联网设备的计算任务的处理时延，表示无人机传输第k个物理网设备的计算任务到第i个边缘计算接入点的传输能耗，表示无人机的发送功率，表示无人机将第k个物联网设备的计算任务传输到第i个边缘计算接入点的传输时延。
[0032]
优选的，构建最小开销优化问题的过程包括：根据能耗模型计算无人机总能耗；根据时延模型计算处理完成物联网设备计算任务的总时延；根据时延模型和能耗模型构建最小开销优化目标函数；根据优先级权重、无人机宽带资源分配、卸载计算任务比例、无人机计算资源分配和边缘计算接入点计算资源分配构建约束条件；根据最小开销优化目标函数和约束条件构建最小开销优化问题。
[0033]
进一步的，计算物联网设备完成计算任务的总时延的公式为：
[0034][0035]
其中，tk表示处理完成第k个物联网设备计算任务的总时延，表示第k个物联网设
备将计算任务上传到无人机的传输时延，表示无人机处理第k个物联网设备的计算任务的处理时延，表示无人机将第k个物联网设备的计算任务数据传输到第i个边缘计算接入点的传输时延，表示第i个边缘计算接入点处理第k个物联网设备计算任务的处理时延。
[0036]
优选的，最小开销优化问题的表达式为：
[0037][0038][0039][0040][0041][0042][0043]
c5:0≤θu≤1
[0044]
c6:0≤θ
api
≤1
[0045][0046][0047]
其中，表示无人机总能耗，δ1表示能耗权重，δ2表示时延权重，tk表示处理完成第k个物联网设备计算任务的总时延，k表示物联网设备数量，表示无人机分配给第k个物联网设备的宽带资源，b
uav
表示无人机可分配给物联网设备的最大宽带资源，θ
uk
表示第k个物联网设备卸载到无人机的计算任务占总计算任务的比例，θ
apik
表示第k个物联网设备卸载到第i个边缘计算接入点的计算任务占总计算任务的比例，i表示接收物联网设备卸载计算任务的边缘计算接入点数量，表示无人机分配给第k个物联网设备的计算资源，f
uav
表示无人机可分配给物联网设备的最大计算资源，表示第i个边缘计算接入点分配给第k个物联网设备的计算资源，fi表示第i个边缘计算接入点总计算资源，lk表示第k个物联网设备的计算任务的优先级权重。
[0048]
本发明的有益效果为：本发明考虑不同物联网设备计算任务之间不同的需求，通过使用层次分析法ahp将计算任务进行优先级划分，从而达到差异化计算资源分配，同时考虑到无人机能耗有限的问题，本发明通过联合优化无人机辅助边缘计算系统的带宽资源，计算资源和卸载决策最小化无人机能耗和完成物联网设备的计算任务的总时延，构建最小开销优化问题，通过对最小开销优化问题进行求解，从而得到最佳的资源分配方案；与现有的基线方法相比，不仅减少了uav的能耗，也降低了物联网设备计算任务的处理时延，同时也实现了动态划分计算资源的效果。本发明以无人机作为空中基站，可用于基础设施有限时的无线网络场景；综合考虑能耗和时延，能够实现系统的合理资源调度，从而提高系统性能，实用性高。
附图说明
[0049]
图1为本发明中基于任务优先级的无人机协助边缘计算的资源分配方法流程图；
[0050]
图2为本发明中无人机协助边缘计算的物联网设备系统模型示意图；
[0051]
图3为不同uav总计算资源下，本发明与其它方法的系统开销对比图。
[0052]
图4为不同安全等级的物联设备计算任务在不同总计算资源下所分配到的计算资源的情况对比图。
具体实施方式
[0053]
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，所描述的实施例仅仅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得的所有其他实施例，都属于本发明保护的范围。
[0054]
本发明提出了一种基于任务优先级的无人机协助边缘计算的资源分配方法，如图1所示，所述方法包括以下内容：
[0055]
s1：构建无人机协助边缘计算的物联网设备系统模型。
[0056]
如图2所示，本发明构建的无人机协助边缘计算的物联网设备系统模型包括：一个无人机，多个边缘计算接入点和多个物联网设备；物联网设备可将其一部分计算任务传输给无人机，无人机接收物联网设备的计算任务并可将这部分的计算任务的一部分再分给多个边缘计算接入点，剩下的本地处理，每个边缘计算接入点处理一部分来着物联网设备的计算任务。
[0057]
s2：根据无人机协助边缘计算的物联网设备系统模型构建通信模型、时延模型和能耗模型。
[0058]
构建通信模型的过程包括：根据物联网设备与无人机之间的传输距离计算物联网设备与无人机之间的信道增益；根据无人机与边缘计算接入点之间的传输距离计算无人机与边缘计算接入点之间的信道增益；根据物联网设备与无人机之间的信道增益计算物联网设备与无人机之间的信息传输速率；根据无人机与边缘计算接入点之间的信道增益计算无人机与边缘计算接入点之间的信息传输速率。
[0059]
通信模型的表达式为：
[0060][0061][0062][0063][0064]
其中，表示第k个物联网设备与无人机之间的信道增益；α0表示单位接收功率，优选的，α0为参考距离取1米、传输功率为1瓦时的接收功率；表示第k个物联网设备与无人机之间的传输距离，h表示无人机的飞行高度，qu表示无人机的水平坐标，qk表示第k个物
联网设备的水平坐标，表示无人机与第i个边缘计算接入点之间的信道增益，表示无人机与第i个边缘计算接入点之间的传输距离，q
api
表示第i个边缘计算接入点的水平坐标，表示第k个物联网设备与无人机之间的信息传输速率，表示无人机分配给第k个物联网设备的宽带资源，pk表示第k个物联网设备的发送功率，σ2表示噪声功率，表示无人机与第i个边缘计算接入点之间的信息传输速率，表示第i个边缘计算接入点分配给第k个物联网设备的宽带资源，表示无人机的发送功率。
[0065]
构建时延模型的过程包括：根据物联网设备与无人机之间的信息传输速率计算物联网设备将计算任务上传到无人机的传输时延；根据无人机与边缘计算接入点之间的信息传输速率计算无人机将计算任务传输到边缘计算接入点的传输时延；根据无人机分配给物联网设备的计算资源计算无人机处理计算任务的处理时延；根据边缘计算接入点分配给物联网设备的计算资源计算边缘计算接入点处理计算任务的处理时延。
[0066]
时延模型的表达式为：
[0067][0068][0069][0070][0071]
其中，表示第k个物联网设备将计算任务上传到无人机的传输时延，dk表示第k个物联网设备上传的计算任务的数据大小，表示第k个物联网设备与无人机之间的信息传输速率，表示无人机将第k个物联网设备的计算任务数据传输到第i个边缘计算接入点的传输时延，θ
apik
表示第k个物联网设备看卸载到第i个边缘计算接入点处理的计算任务占总计算任务的比例，表示无人机与第i个边缘计算接入点之间的信息传输速率，表示无人机处理第k个物联网设备的计算任务的处理时延，θ
uk
表示第k个物联网设备卸载到无人机处理的计算任务占总计算任务的比例，ck表示处理1bit任务cpu需要循环的次数，表示无人机分配给第k个物联网设备的计算资源，表示第i个边缘计算接入点处理第k个物联网设备计算任务的处理时延，表示第i个边缘计算接入点分配给第k个物联网设备的计算资源。
[0072]
构建能耗模型的过程包括：根据无人机的接收功率和物联网设备将计算任务上传到无人机的传输时延计算无人机接收计算任务的能耗；根据无人机处理计算任务的处理时延和无人机分配给物联网设备的计算资源计算无人机处理计算任务的能耗；根据无人机的发送功率和无人机将计算任务传输到边缘计算接入点的传输时延计算无人机传输计算任务到边缘计算接入点的传输能耗。
[0073]
能耗模型的表达式为：
[0074][0075][0076][0077]
其中，表示无人机接收第k个物联网设备的计算任务的能耗，表示无人机的接收功率，表示无人机处理第k个物联网设备的计算任务的能耗，β表示电容参数，本发明中指无人机cpu有效电容系数，即uav的cpu转速与uav计算能耗间的关系，表示无人机传输第k个物理网设备的计算任务到第i个边缘计算接入点的传输能耗。
[0078]
s3：采用层次分析法对物联网设备的计算任务进行优先级划分，得到不同计算任务的优先级权重。
[0079]
ahp(analytic hierarchy process)即层次分析法是一种决策方法，其把和决策有关的各个元素细分成目标、程序与标准，随后再对其展开定性与定量分析。其优势体现在通过少量的信息让决策的思维过程数学化，深入分析影响复杂的决策问题的本质、影响因素及其内在关系等各个因素，进而让那些比较繁杂的问题变得简单化，该方法特别适合难以直接和准确衡量决策结果的情况。
[0080]
为了充分合理调度资源满足不同用户计算任务的动态需求，本发明使用ahp对用户的计算任务进行优先级权重计算；计算过程包括：
[0081]
为了构建层次结构模型，将业务等级、计算任务参数sk、dk、ck，以及每个用户k(第k个物联网设备)分别作为目标层、准则层和方案层，其中，sk、dk、ck分别表示计算任务的业务等级、计算任务的数据量和完成计算任务的cpu运行周数；根据层次结构模型构造目标层外每一层的判断矩阵a＝(a
ij
)
nxn
，其中：
[0082][0083]
通过特征根法求解判断矩阵对上一层某一要素的相对权重，即：
[0084]
aω＝λ
max
ω
[0085]
其中，ω＝(ω1,ω2,......,ωn)
t
。
[0086]
准则层相对于目标层的相对权重向量表示为：
[0087]
λ＝[ωs,ωd,ωc]
t
[0088]
在判断准则sk、dk、ck下，每个用户k的计算任务在判断准则sk、dk、ck下形成的权重矩阵可以表示为：
[0089]
[0090]
经过一致性检验后，相应用户计算任务优先级权重向量l可以计算为：
[0091]
l＝δ
·
λ＝[l1,l2,...,lk]
t
[0092]
其中，lk表示第k个物联网设备的计算任务的优先级权重。
[0093]
s4：根据优先级权重、通信模型、时延模型和能耗模型构建最小开销优化问题。
[0094]
根据能耗模型计算无人机总能耗，即：
[0095][0096]
其中，表示无人机完成第k个物联网设备的计算任务的总能耗。
[0097]
根据时延模型计算处理完成物联网设备计算任务的总时延，即：
[0098][0099]
其中，tk表示处理完成第k个物联网设备计算任务的总时延。
[0100]
根据时延模型和能耗模型构建最小开销优化目标函数，即：
[0101][0102]
其中，δ1表示在最小开销中的能耗权重，δ2表示在最小开销中的时延权重；能耗权重与时延权重分别体现能耗和时延对总开销的重要程度；一般情况下认为能耗与时延同等重要，因此本发明的δ1和δ2可都取1。
[0103]
根据优先级权重、无人机宽带资源分配、卸载计算任务比例、无人机计算资源分配和边缘计算接入点计算资源分配构建约束条件。
[0104]
根据最小开销优化目标函数和约束条件构建最小开销优化问题；最小开销优化问题的表达式为：
[0105][0106][0107][0108][0109][0110][0111]
c5:0≤θ
uk
≤1
[0112]
c6:0≤θ
apik
≤1
[0113][0114][0115]
其中，k表示物联网设备数量，b
uav
表示无人机可分配给物联网设备的最大宽带资源，i表示接收物联网设备卸载计算任务的边缘计算接入点数量，f
uav
表示无人机可分配给物联网设备的最大计算资源，fi表示第i个边缘计算接入点总计算资源。c1、c4分别表示无人机uav可分配给用户的带宽资源约束和uav可分配给用户的计算资源约束；c3表示基站接入点ap(边缘计算接入点)可分配给用户的计算资源约束；c2表示用户计算任务卸载到uav
和ap的卸载比例和为1；c5、c6表示计算任务部分卸载比例非负且不大于1；c7、c8、c9表示分配给用户k的资源非负。
[0116]
s5：求解最小开销优化问题，得到计算任务的资源分配结果；物联网设备根据资源分配结果进行计算处理。
[0117]
最小开销优化问题是一个非凸问题，本发明采用连续凸近似(sca)方法，不断迭代求解。连续凸近似(sca)方法通过将非凸问题中的非凸约束转换为凸或凹上下边界，从而使原问题在每一次迭代中转换为标准的凸优化问题。由于原始问题的可行域收缩为凸域或目标函数被边界化，最终可能导致出现次优解。将最小开销优化问题转化为凸问题的过程包括：
[0118]
引入松弛变量将将目标函数中、的非线性项转化为如下：
[0119][0120][0121]
对于目标函数中的非凸项利用泰勒公式在点x0展开近似为其下边界：
[0122][0123]
对于式(1)(2)，将其不等号右边的非凸项用泰勒公式在x0展开可以得到其凸近似下边界：
[0124][0125][0126]
因此，最小开销优化问题可重写为：
[0127][0128][0129][0130][0131][0132]
[0133]
c5:0≤θ
uk
≤1
[0134]
c6:0≤θ
apik
≤1
[0135][0136][0137][0138][0139]
采用标准的凸方法进行求解，得到计算任务的资源分配方案，物联网设备根据资源分配方案进行计算处理。
[0140]
对本发明进行评价，如图3所示，该图表示在不同方案下，uav总计算资源与系统开销之间的关系。与仅卸载至uav处理(only-uav)和仅卸载至mec处理(only-mec)的两个资源分配方法相比，本发明提出的资源分配方法的系统开销明显较低。而无优先级的资源分配方法(no-priority-uav-mec)的开销与本发明提出的方法差别较小。这是因为，当uav计算资源增加时，在uav端处理的数据量增多，mec端处理的数据量减少。因此，在mec端的按优先级分配计算资源对系统成本产生的影响较小，从而导致这两者方法的开销相差较小。
[0141]
图4表示随着ap1(即bs1)处服务器计算资源增加，分配给不同安全等级的计算任务的计算资源情况。当ap1服务器的计算资源较少时，所有计算任务可获得的计算资源相差较小。当ap1服务器计算资源增加时，分配给不同等级计算任务的计算资源也逐渐增加。并且，分配给高等级计算任务与较低等级计算任务之间计算资源差距逐渐增大。这是因为计算任务等级高低影响计算资源分配的优先级权重。计算任务安全等级越高，优先级权重越大，可获得的计算资源就越多。综上所述，本文提出的基于优先级资源分配方法，能够根据用户差异性需求，动态划分系统的计算资源。
[0142]
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。