一种基于Stackelberg博弈的无人机辅助卸载能耗优化方法

本发明涉及无人机辅助卸载，更具体地说，它涉及一种基于stackelberg博弈的无人机辅助卸载能耗优化方法。

背景技术：

1、随着5g、6g时代的加速迈进，通信技术领域正经历着革命性的变革，信息交互更加频繁。然而如今许多的终端设备计算能力非常有限，难以满足大任务的场景。因此，及时迅速的任务处理对于确保系统性能和用户满意度至关重要。移动边缘计算技术是能够有效解决此问题的关键技术。mec通过将具有计算功能的服务平台安置在网络边缘，帮助移动终端用户把计算密集和时延敏感型任务卸载到边缘节点进行快速处理。

2、目前，通过引入用户与mec通信的中继机制，显著提升了通信质量，但在偏远及人烟较为分散的地区，为移动用户提供便捷的边缘计算服务依然非常困难，无人机具有快速部署和灵活运动的特点，且可以按需调度，但在无人机做中继的场景下，无人机获得必要的先验知识后，可自主理性的决策出要提供给用户的能量总额，无人机按需调整提供给用户的能量。无人机在帮助用户转发任务时需要消耗无人机自身的能量，帮助用户卸载更多任务的同时也会使能量过度消耗，这可能会在无人机后续为紧急用户提供服务时产生不利影响。

技术实现思路

1、针对现有技术存在的不足，本发明的目的在于提供一种基于stackelberg博弈的无人机辅助卸载能耗优化方法。

2、为实现上述目的，本发明提供了如下技术方案：

3、一种基于stackelberg博弈的无人机辅助卸载能耗优化方法，所述具体操作步骤如下：

4、一种基于stackelberg博弈的无人机辅助卸载能耗优化方法，所述中继辅助模型包含i个用户，1个无人机和1个mec。其中，用户需要借助无人机作为中继设备来将计算任务卸载到mec，所述应用于无人机与多个用户进行任务卸载时策略优化的算法，具体操作步骤如下：

5、s1、两阶段卸载传输模式：无人机依次为用户进行一对一卸载服务，整个卸载过程考虑半双工通信模式。无人机与用户ui卸载的过程分为两个阶段，在第一个阶段中，用户ui向无人机发送需要卸载的任务。第二阶段中，无人机消耗自身的能量转发任务到mec。

6、s2、建立用户收益函数：用户的收益函数定义为卸载能耗减去上传卸载任务所需的能耗，再减去本地计算的能耗。

7、op0：

8、li表示要计算的任务的总比特数，μi表示卸载任务的比例值，其中μi∈[0，1]。则μili用户ui要卸载到mec的任务量。为ui每秒的cpu周期数。每转cpu消耗的能量为c，代表用户本地计算能耗。

9、s3、建立无人机收益函数：无人机付出能量换取用户需求的满足，将无人机服务质量函数定义为协助用户卸载的任务量所需能量与自身能量付出eoff之差。

10、op1：

11、其中，表示帮助用户卸载的数据量。λ是比特能耗，表示在发送一定数量的比特信息时所需的能量消耗。代表处理数据所消耗的能量。

12、s4、将单个无人机和多个用户群体之间的策略互动建模为一个stackelberg博弈模型。

13、s5、求解用户最优卸载策略：寻找stackelberg博弈的纳什均衡解，从卸载比例值角度讨论任意ui的最优策略求取ui的效用函数关于μi的一阶、二阶导数，基于一阶最优性条件可计算出最优卸载比例值

14、s6、求解无人机最优能量供应策略：无人机获得所有用户的先验信息后，根据用户最优卸载比例值的纳什均衡值无人机可以对自身策略进行优化，实现自身利润最大化，无人机将代入自身效益函数v更新，通过研究效用函数v关于eoff的一阶、二阶导数来讨论其函数凹凸性，基于一阶最优性条件和eoff的可行域，可推导出eoff的最优值

15、s7、将用户任务量li及计算能力作为指标设计优先算法。无人机获得所有用户的先验信息后，根据优先算法依次筛选参与卸载任务的用户。

16、本发明进一步设置为：所述无人机与用户ui卸载的过程分为两个阶段，在第一个阶段中，用户ui向无人机发送需要卸载的任务，第二阶段中，无人机采用解码转发(df)协议，消耗自身的能量转发任务到mec，整个传输过程中假设无人机依照预先设定的调度策略，飞往指定位置并进行悬停，以为其覆盖范围内的用户提供服务。

17、两阶段的通信速率如下：

18、

19、

20、式中，pi表示用户ui的发射功率；δ2为背景噪声功率；b为用户与无人机的通信信道带宽。hfm为无人机到mec的信道系数；pf为无人的发射功率。由于无人机进行解码转发，用户ui到mec的可达传输速率为：

21、ri,m＝min(ri,f,rf,m)

22、本发明进一步设置为：由于每个用户都想尽可能的卸载任务到mec，因此每个用户将对eoff进行竞争。基于公平性原则，任务量较大的用户表现出更强的竞争性，因此能获得更多的能量。用户ui所获得的卸载能耗由其参与卸载的任务量占比决定，表示为用户的收益函数定义为卸载能耗减去上传卸载任务所需的能耗，再减去本地计算的能耗。

23、

24、式中，μili表示用户ui所要卸载的任务量，代表所有用户卸载的任务量总和。

25、本发明进一步设置为：无人机的能量有限，需要合理供应一定的eoff帮助用户进行卸载，以使得用户卸载需求得到满足的同时确保后续卸载服务的质量。无人机付出能量换取用户需求的满足，将无人机服务质量函数定义为协助用户卸载的任务量所需能量与自身能量付出eoff之差。

26、

27、其中，表示帮助用户卸载的数据量。λ是比特能耗，表示在发送一定数量的比特信息时所需的能量消耗。代表处理数据所消耗的能量。

28、本发明进一步设置为：将单个无人机和多个用户群体之间的策略互动建模为一个stackelberg博弈模型。

29、无人机通过参考所有用户的先验信息确定要提供的能量总额度(eoff)。

30、

31、根据先验知识，调节各个用户任务卸载的比例，得到最优的能量总额度，μ表示所有用户卸载比例值的集合μ＝{μ1,μ2,…,μi}。

32、

33、各个用户根据能量总额度eoff和其他用户的策略集合μj＝{μ1,μ2,…,μj,j≠i}，每个用户ui计算得到自己的最优卸载比例值使得自身的效用函数ui最大化。在纳什均衡状态下，本文中的各用户在给定无人机的最优能量总额度eoff下可最大化各自的效用函数，此时所有的用户都没有单方面改变当前策略的动机。纳什均衡可以定义为：

34、

35、对于无人机而言，当无人机供能额度设置为eoff*时，无人机的预期服务质量高于任何其它的供能额度。对于用户而言，当用户卸载比例值设置为时，用户的预期收益高于其他任何卸载比例值。

36、本发明进一步设置为：无人机的能量供应额度是基于用户需求制定，需要首先分析各用户的效用函数。求取ui的效用函数关于μi的一阶、二阶导数，可得

37、

38、基于一阶线性条件，可得到唯一的纳什均衡点

39、

40、本发明进一步设置为：在无人机获得用户的先验信息后，根据用户最优卸载比例值的纳什均衡值，无人机将代入自身效益函数v更新可得：

41、v＝λln(1+φeoff)-eoff

42、基于一阶最优性条件和eoff的可行域，可推导出eoff的最优值为：

43、

44、本发明进一步设置为：对用户需求大小的参考指标设置为需求指标的值越小，表明用户的计算能力相对较弱，且任务量较大，意味着该用户的卸载需求较为紧急，因此，无人机会优先为其提供服务。将给定的进行升序排序，无人机将按照这一顺序逐一判断是否需要为用户提供服务。在确定参与卸载服务的用户集合后，无人机按照集合的排序依次为这些用户提供卸载服务。为了求解集合设计出优先算法，算法最多需要执行i-3次，因此迭代算法的复杂度为ο(i-3)。具体算法代码如下：

45、(1)初始化。已知集合

46、(2)排序，将集合中的元素按从小到大进行排序，并存放入新的集合中

47、(3)筛选参与卸载任务的用户。初始化j＝{ui[1]}和m＝2

48、(4) for m＝2:length(ui)

49、(5)if

50、(6)将此用户添加到

51、(7)m＝m+1

52、(8)end if

53、(9)end

54、(10)得到参与卸载计算的用户集合

55、(11)利用式计算各个用户的卸载比例值

56、(12)利用式计算无人机的最优卸载能耗

57、本发明的优点是：

58、1、本发明基于stackelberg博弈的无人机辅助卸载能耗优化方法，无人机通过本发明所涉及的算法合理的为每位用户分配能量，根据其需求程度理性服务，因此参与服务的用户均能获得较好的收益，实现了用户需求的平衡。

59、2、在本发明所述s5的stackelberg博弈中，无人机作为领导者首先采取行动，且其决策起着支配作用，各个用户作为其追随者跟随无人机的行为制定策略。在本发明的所述stackelberg博弈模型中，无人机作为主方，决定提供给用户卸载的能量，从而不同程度的满足用户的需求。

60、3、本发明基于stackelberg博弈的无人机辅助卸载能耗优化方法，通过在无人机获得用户的先验信息后，根据上述用户最优卸载比例值的纳什均衡值，无人机可以对自身策略进行优化，以实现预期利润最大化。

61、4、本发明基于stackelberg博弈的无人机辅助卸载能耗优化方法，通过在确定参与卸载服务的用户集合后，无人机按照集合的排序依次为这些用户提供卸载服务。