技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种基于CORAP算法的无人机辅助车载边缘系统的计算资源优化方法及系统  >  正文

一种基于CORAP算法的无人机辅助车载边缘系统的计算资源优化方法及系统

  • 国知局
  • 2024-07-31 22:49:11

本发明涉及移动边缘计算,尤其是涉及一种基于corap算法的无人机辅助车载边缘系统的计算资源优化方法及系统。

背景技术:

1、随着车联网(internet of vehicles,iov)技术的成熟,道路上的各种智能网联汽车数量急剧增加。因此,对延迟敏感的车辆应用和服务的数据流量激增,导致资源有限的车辆的服务质量(quality of service,qos)较差,以及通信和计算的巨大能源消耗。

2、多接入边缘计算(multi-access edge computing,mec)将云服务推向网络边缘,并在附近提供类似云的计算能力到车辆用户设备(vehicular user devices,vuds),从而催生了车辆边缘计算(vehicular edge computing,vec)网络,具有计算能力的无人机(unmanned aerial vehicles,uav)被部署为vec系统提供中继和执行服务。由于具有高机动性、可操作性和部署成本效益的优势,uav预计将在未来的无线通信网络中发挥关键作用。然而车辆和无人机的机动性,以及有限的电池容量,使得uav辅助vec系统仍然具有挑战性。

3、vec系统通过车辆到基础设施通信(vehicle-to-infrastructure,v2i)极大地提高了车辆网络的计算能力和性能,满足了vuds对密集计算和低延迟的需求。在vec系统中,vuds可以将计算工作负载或传感器数据卸载到附近的边缘服务器(edge servers,ess),这些服务器部署在道路附近。因此,vuds可以以更低的能耗和更高的带宽访问ess以执行任务。然而,随着智能网联汽车数量的增加,分流策略也可能会导致某些es的计算拥塞以及es之间计算资源的负载不平衡。现有技术中,存在着如何实现将多接入边缘计算应用于车联网中,通过制定合理的计算卸载、资源分配以及无人机位置的联合优化的策略,降低具有延迟约束的车辆用户设备的最大成本(时延成本和能耗成本)的问题。对此,本发明提供一种基于corap算法的无人机辅助车载边缘系统的计算资源优化方法及系统。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于corap算法的无人机辅助车载边缘系统的计算资源优化方法及系统。

2、本发明的目的可以通过以下技术方案来实现:

3、本发明提供一种基于corap算法的无人机辅助车载边缘系统的计算资源优化方法,包括以下步骤:

4、步骤s1、将无人机辅助车载边缘系统的计算资源优化建模为最小化vuds最大成本的问题;

5、步骤s2、将所述最小化vuds最大成本的问题分解为资源分配决策问题和无人机位置优化问题;

6、步骤s3、采用sdr和二分法求解所述资源分配决策问题,得到资源分配决策方案,包括卸载决策方案、计算资源分配方案和v2u链路带宽分配方案,并对三者进行联合优化,得到联合优化后的资源分配决策方案;

7、步骤s4、采用连续凸逼近方法求解所述无人机位置优化问题,得到无人机位置优化方案;

8、步骤s5、采用corap算法对所述联合优化后的资源分配决策方案和无人机位置优化方案进行联合优化,得到联合优化后的最优决策策略。

9、所述最小化vuds最大成本的问题采用如下公式表示:

10、

11、其中:π为车辆用户设备计算任务卸载决策,f为无人机计算资源分配,b为v2u链路带宽分配,qu为无人机空中位置,costi为第i辆的车辆用户设备的总成本,采用如下公式表示:

12、

13、其中,i为车辆用户设备数量,ρi为第i个延迟相对于能量消耗的权重,第i个总延时ti,第i个总能耗ei,在第j个esj处执行的第i个任务ωi的延迟和第i个能量消耗分别eij和tij,在无人机上处理的第i个任务ωi的总延迟和能量消耗tiu和eiu,vud i在本地执行计算的第i个延迟和能耗分别为til和eil,vud i关于到达计算任务的第i个卸载决策为xis,s∈{l,u}∪m,其中,l为本地计算,u为卸载给无人机,m为边缘服务器。

14、所述步骤s3具体包括以下步骤:

15、步骤s31、假定无人机位置固定,采用sdr将所述资源分配决策问题中的卸载决策问题转化为标准的半定规划问题,再采用标准的cvx工具箱求解该问题,获得卸载决策方案;

16、步骤s32、假定无人机位置固定、卸载决策和v2u链路分配带宽已知,根据二分法推导出计算资源分配方案;假定无人机位置固定、卸载决策和计算资源分配已知,根据二分法推导出v2u链路分配带宽;

17、步骤s33、判断卸载决策方案是否满足最大可容忍延迟约束,若不满足时,则随机选择一个vud,将其任务卸载给无人机,修改卸载决策方案;重复步骤s32,直至满足最大可容忍延迟约束;若满足时,则将卸载决策方案、计算资源分配方案和v2u链路带宽分配方案赋值为最优方案:πop、fop、bop,计算vuds最大成本costop;

18、步骤s34、循环步骤s33,直至判断每个vud的每个可能的卸载决策方案,并计算每个vud最大成本costp,当满足约束条件时,将满足约束条件的每个可能的资源分配决策方案分别赋值给联合优化后的资源分配决策方案:πst,fst,bst。

19、所述约束条件具体为:costp<costop或者k==(m+2)*n。

20、所述步骤s4具体包括:采用连续凸逼近方法将所述无人机位置优化问题转化为凸问题,通过标准的凸优化工具来求解所述无人机位置优化问题,得到无人机位置优化方案。

21、所述步骤s5具体包括:

22、步骤s51、初始化无人机辅助车载边缘系统的参数;

23、步骤s52、向corap算法中输入vuds的计算任务、位置,输入任务数据大小,以及完成任务的最大可容忍处理延迟;

24、步骤s53、根据步骤s3得到的联合优化后的资源分配决策方案,以及步骤s4得到的无人机位置优化方案,将其迭代设定次数,重复步骤s52至步骤s53;

25、步骤s54、在成本最小时,将联合优化后的资源分配决策方案,以及无人机位置优化方案赋值为联合优化后的最优决策策略,并将其输出。

26、第二方面,本发明提供一种无人机辅助车载边缘计算系统,包括多个移动车辆用户设备,多个边缘服务器和一架无人机,其特征在于,所述移动车辆用户设备分别通过v2u链路与无人机连接,所述无人机通过u2e链路与所述边缘服务器连接,所述系统用于实现上述任一所述方法的步骤。

27、第三方面,本发明提供一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现上述任一所述方法的步骤。

28、第四方面,本发明提供一种电子设备,包括存储器、处理器,以及存储于所述存储器中的程序,其特征在于,所述处理器执行所述程序时实现上述任一所述方法的步骤。

29、第五方面,本发明提供一种存储介质,其上存储有程序,其特征在于,所述程序被执行时实现上述任一所述方法的步骤。

30、与现有技术相比,本发明具有以下有益效果:

31、1、本发明将多接入边缘计算应用于车联网中,通过制定合理的计算卸载、资源分配以及无人机位置的联合优化的策略,优化延迟约束的车辆用户设备的最大成本(时延成本和能耗成本)的效果。

32、2、本发明设计的corap算法,将初始问题一分为二,采用不同方法将问题转化为凸问题,简化运算步骤,联合优化计算卸载、资源分配和无人机位置,确保所得卸载决策和资源分配方案,满足最大时延约束,最小化vud最大成本来保证具有延迟约束的vud的公平性。

本文地址:https://www.jishuxx.com/zhuanli/20240730/194783.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。