CN116993183A - 无人机辅助边缘计算中概率性计算卸载的服务优化方法 - Google Patents
无人机辅助边缘计算中概率性计算卸载的服务优化方法 Download PDFInfo
- Publication number
- CN116993183A CN116993183A CN202311261702.0A CN202311261702A CN116993183A CN 116993183 A CN116993183 A CN 116993183A CN 202311261702 A CN202311261702 A CN 202311261702A CN 116993183 A CN116993183 A CN 116993183A
- Authority
- CN
- China
- Prior art keywords
- terminal
- aerial vehicle
- unmanned aerial
- cost
- calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 117
- 230000008901 benefit Effects 0.000 claims abstract description 38
- 238000005265 energy consumption Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010152 pollination Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及信息科学技术领域，尤其涉及无人机辅助边缘计算中概率性计算卸载的服务优化方法，本发明通过确定各终端的计算卸载任务的第一成本以及第二成本，计算各终端的期望总体成本；并构建期望收益函数，对期望收益函数内的卸载概率进行优化确定各终端的最优卸载概率，并确定无人机的最佳效率模型；基于最优收益确定各终端的服务成本，无人机接收各终端发送的计算任务数据，并将处理结果传输到对应的终端；实现了综合性的构建成本模型，无人机基于各终端的卸载概率确定成本模型运行的最优模式，提高无人机向各终端提供计算卸载服务的工作效率以及服务质量。
Description
技术领域
本发明涉及信息科学技术领域，尤其涉及无人机辅助边缘计算中概率性计算卸载的服务优化方法。
背景技术
随着运行在物联网终端设备上的计算密集型应用程序越来越广泛，通常需要大量的计算资源并产生较高能耗，然而物联网终端硬件资源有限，使得运算效率受到限制，近些年，无人机辅助边缘计算被提出，相比地面边缘计算网络，无人机辅助边缘计算充分借助无人机的机动性，灵活部署与成本低的优点，随时随地为地面用户提供及时的计算卸载服务，然而，现有的无人机辅助边缘计算大多基于集中式决策角度来管控全网终端和无人机，忽略了终端与无人机的调用策略相互判断。
例如，中国专利：CN112784362A，该发明涉及一种用于无人机辅助边缘计算的混合优化方法及***，通过以无人机辅助边缘计算模型所需的能耗最小作为目标适应度函数，以仿花授粉算法框架为基准混合人工蜂群算法的概率选择策略对目标适应度函数进行迭代优化求解，并基于个体的适应度值变化和种群多样性判断是否存在早熟收敛现象，使得混合优化算法的全局优化能力更强，从而最优的计算任务卸载、计算资源分配和无人机部署位置方案，该发明计算速率快，计算精度高，适用于解决大规模移动用户设备计算卸载与任务分配的边缘计算服务问题。
现有技术中还存在以下问题；
现有技术中无人机不能综合性地构建计算卸载成本与本地计算成本结合的成本模型，并基于无人机对各终端的卸载概率历史数据预测性地判断成本模型运行的最优模式，影响无人机向各终端提供计算卸载服务的工作效率。
发明内容
为克服现有技术中不能综合性地构建计算卸载成本与本地计算成本结合的成本模型，并基于无人机对各终端的卸载概率历史数据预测性地判断成本模型运行的最优模式的问题，本发明提供一种无人机辅助边缘计算中概率性计算卸载的服务优化方法，包括：
步骤S1，无人机接收若干终端发送的计算卸载服务请求；
步骤S2，基于第一成本参量确定各终端的计算卸载任务的第一成本，基于第二成本参量确定各终端的计算卸载任务的第二成本，基于所述计算卸载任务的第一成本以及第二成本确定各所述终端的期望总体成本；
所述第一成本参量包括终端的计算卸载任务处理所需的时间、计算卸载任务上传所需的能耗以及服务费用，所述第二成本参量包括终端的本地计算所需时间以及本地计算所需能耗；
步骤S3，构建无人机的期望收益函数，并对所述期望收益函数内的卸载概率进行优化计算，确定各终端的最优卸载概率，基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，所述最佳效率模型包括所述无人机预测的各终端的最优卸载概率以及最优服务费用；
步骤S4，所述无人机基于所述最优收益确定各终端的服务成本，将所述服务成本告知所有发送计算卸载服务请求的终端；
步骤S5，各终端根据服务成本选择是否将计算任务卸载至无人机，所述无人机接收各终端发送的计算任务数据，并平均分配运算资源处理各所述计算任务数据，并将处理结果传输到对应的终端。
进一步地，所述步骤S2中，还包括按公式（1）计算终端的计算卸载任务处理所需的时间，
（1）
公式（1）中，为终端/>的计算卸载任务处理所需的时间，/>为终端i的计算卸载任务的数据大小，/>为终端i的数据上行传输速率，/>为终端i完成计算卸载任务所需的CPU周期时间，/>为无人机可分配的平均计算资源，/>，其中，f为无人机的计算频率，/>为终端i的卸载概率，i的值为大于等于1的整数，I为终端的总个数；
还包括按公式（2）计算所述终端的计算卸载任务上传所需的能耗，
（2）
公式（2）中，为终端/>的计算卸载任务上传所需的能耗，/>为终端i的传输功率。
进一步地，所述步骤S2中，基于第一成本参量按公式（3）计算各终端的计算卸载任务的第一成本，
（3）
公式（3）中，为终端/>的计算卸载任务的第一成本，π为终端/>的服务费用，λ为时间权重系数，μ为能耗权重系数，η为服务费用权重系数。
进一步地，所述步骤S2中，还包括按公式（4）计算所述终端的本地计算所需时间，
(4)
公式（4）中，为终端/>的本地计算所需时间，/>为终端i的计算频率；
还包括按公式（5）计算所述终端的本地计算所需能耗，
（5）
公式（5）中，为终端/>的本地计算所需能耗，/>为终端i的有效开关电容系数。
进一步地，所述步骤S2中，基于第二成本参量按公式（6）计算各终端的计算卸载任务的第二成本，
（6）
公式（6）中，为终端/>的计算卸载任务的第二成本。
进一步地，所述步骤S2中，基于所述计算卸载任务的第一成本以及第二成本按公式（7）计算各所述终端的期望总体成本，
(7)
公式（7）中，为终端i的期望总体成本，/>为终端i的卸载概率。
进一步地，其特征在于，所述步骤S3中，按公式（8）构建无人机的期望收益函数，
(8)
公式（8）中，V为无人机的期望收益函数。
进一步地，所述步骤S3中，所述无人机对所述期望收益函数内的卸载概率进行优化计算，其中，
所述无人机对卸载概率的优化计算过程包括基于本终端之外的其他终端的卸载先验概率确定本终端的最优卸载概率。
进一步地，所述步骤S3中，所述无人机基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，其中，
所述无人机将各终端的最优卸载概率数据带入无人机的期望收益函数中，得到基于中间变量构建的无人机的期望收益函数，确定所述无人机的期望收益函数的最优服务费用，基于所述最优卸载概率以及所述最优卸载概率对应的最优服务费用确定所述无人机的最佳效率模型。
进一步地，所述步骤S4中，所述无人机基于所述最优服务费用确定各终端的服务成本，其中，
所述无人机将所述最优服务费用分配到各终端，将各终端分配到的最优服务费用确定为所述无人机对各终端的服务成本。
与现有技术相比，本发明的有益效果在于，本发明通过确定各终端的计算卸载任务的第一成本以及第二成本，计算各终端的期望总体成本；并构建期望收益函数，对期望收益函数内的卸载概率进行优化确定各终端的最优卸载概率，并确定无人机的最佳效率模型；基于最优收益确定各终端的服务成本，无人机接收各终端发送的计算任务数据，并将处理结果传输到对应的终端；进而，实现了综合性地构建计算卸载成本与本地计算成本结合的成本模型，并基于无人机对各终端的卸载概率历史数据预测性地确定成本模型运行的最优模式，提高无人机向各终端提供计算卸载服务的工作效率以及服务分配合理性。
尤其，本发明通过根据时间、能耗与服务费用综合性地确定处理计算卸载任务的成本，在实际情况中，对于终端的计算密集型任务的成本估算应该是多维度的，将计算卸载任务从终端传输到无人机的过程需要时间成本，无人机对计算卸载任务的运算处理也需要时间成本，终端将计算卸载任务上传到无人机也需要耗能，能耗的成本是处理计算密集型任务的关键成本，无人机投入使用的服务费用也是处理计算密集型任务的重要成本，本发明将所述时间、能耗与服务费用通过权重系数综合性地表征，进而，综合性地构建计算卸载成本与本地计算成本结合的成本模型，提高无人机向各终端提供计算卸载服务的工作效率。
尤其，本发明通过对期望收益函数内的卸载概率进行优化计算，确定各终端的最优卸载概率，本发明通过无人机记录各终端的卸载概率的历史数据，并基于记录的历史数据得到针对此终端的最优卸载概率，进而预测性地确定对于各终端的最优卸载概率下终端的成本，并得到无人机的最优收益，进而，提高无人机向各终端提供计算卸载服务时，提前预判各终端的接受服务概率，提高无人机向各终端提供计算卸载服务的工作效率以及服务分配合理性。
附图说明
图1为本发明实施例的无人机辅助边缘计算中概率性计算卸载的服务优化方法的步骤图；
图2为本发明实施例的各终端与无人机交互示意图；
图中，1：无人机，2：终端。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1以及图2所示，图1为本发明实施例的无人机1辅助边缘计算中概率性计算卸载的服务优化方法的步骤图，图2为本发明实施例的各终端2与无人机1交互示意图，本发明的无人机辅助边缘计算中概率性计算卸载的服务优化方法，包括：
步骤S1，无人机接收若干终端发送的计算卸载服务请求；
步骤S2，基于第一成本参量确定各终端的计算卸载任务的第一成本，基于第二成本参量确定各终端的计算卸载任务的第二成本，基于所述计算卸载任务的第一成本以及第二成本确定各所述终端的期望总体成本；
所述第一成本参量包括终端的计算卸载任务处理所需的时间、计算卸载任务上传所需的能耗以及服务费用，所述第二成本参量包括终端的本地计算所需时间以及本地计算所需能耗；
步骤S3，构建无人机的期望收益函数，并对所述期望收益函数内的卸载概率进行优化计算，确定各终端的最优卸载概率，基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，所述最佳效率模型包括所述无人机预测的各终端的最优卸载概率以及最优服务费用；
步骤S4，所述无人机基于所述最优收益确定各终端的服务成本，将所述服务成本告知所有发送计算卸载服务请求的终端；
步骤S5，各终端根据服务成本选择是否将计算任务卸载至无人机，所述无人机接收各终端发送的计算任务数据，并平均分配运算资源处理各所述计算任务数据，并将处理结果传输到对应的终端。
具体而言，所述步骤S2中，还包括按公式（1）计算终端的计算卸载任务处理所需的时间，
（1）
公式（1）中，为终端/>的计算卸载任务处理所需的时间，/>为终端i的计算卸载任务的数据大小，/>为终端i的数据上行传输速率，/>为终端i完成计算卸载任务所需的CPU周期时间，/>为无人机可分配的平均计算资源，/>，其中，f为无人机的计算频率，/>为终端i的卸载概率，i的值为大于等于1的整数，I为终端的总个数；
还包括按公式（2）计算所述终端的计算卸载任务上传所需的能耗，
（2）
公式（2）中，为终端/>的计算卸载任务上传所需的能耗，/>为终端i的传输功率。
具体而言，所述步骤S2中，基于第一成本参量按公式（3）计算各终端的计算卸载任务的第一成本，
（3）
公式（3）中，为终端/>的计算卸载任务的第一成本，π为终端/>的服务费用，λ为时间权重系数，μ为能耗权重系数，η为服务费用权重系数。
具体而言，所述步骤S2中，还包括按公式（4）计算所述终端的本地计算所需时间，
(4)
公式（4）中，为终端/>的本地计算所需时间，/>为终端i的计算频率；
还包括按公式（5）计算所述终端的本地计算所需能耗，
（5）
公式（5）中，为终端/>的本地计算所需能耗，/>为终端i的有效开关电容系数。
具体而言，所述步骤S2中，基于第二成本参量按公式（6）计算各终端的计算卸载任务的第二成本，
（6）
公式（6）中，为终端/>的计算卸载任务的第二成本。
具体而言，所述步骤S2中，基于所述计算卸载任务的第一成本以及第二成本按公式（7）计算各所述终端的期望总体成本，
(7)
公式（7）中，为终端i的期望总体成本，/>为终端i的卸载概率。
具体而言，本发明通过根据时间、能耗与服务费用综合性地确定处理计算卸载任务的成本，在实际情况中，对于终端的计算密集型任务的成本估算应该是多维度的，将计算卸载任务从终端传输到无人机的过程需要时间成本，无人机对计算卸载任务的运算处理也需要时间成本，终端将计算卸载任务上传到无人机也需要耗能，能耗的成本是处理计算密集型任务的关键成本，无人机投入使用的服务费用也是处理计算密集型任务的重要成本，本发明将所述时间、能耗与服务费用通过权重系数综合性地表征，进而，综合性地构建计算卸载成本与本地计算成本结合的成本模型，提高无人机向各终端提供计算卸载服务的工作效率。
具体而言，所述步骤S3中，按公式（8）构建无人机的期望收益函数，
(8)
公式（8）中，V为无人机的期望收益函数。
具体而言，所述步骤S3中，所述无人机对所述期望收益函数内的卸载概率进行优化计算，其中，
所述无人机对卸载概率的优化计算过程包括基于本终端之外的其他终端的卸载先验概率确定本终端的最优卸载概率；
其中，优选的，在本实施例中，可以对终端i的期望总体成本函数进行关于/>的一、二阶求导，
，
根据，此函数是严格凸函数，这意味着终端i存在唯一的最优卸载概率/>使函数取得最小值；
进一步，令,可得，
，
其中，为终端i的最优卸载概率，/>为其他任意终端j的卸载先验概率。
具体而言，所述步骤S3中，所述无人机基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，其中，
所述无人机将各终端的最优卸载概率数据带入无人机的期望收益函数中，得到基于中间变量构建的无人机的期望收益函数，确定所述无人机的期望收益函数的最优服务费用，基于所述最优卸载概率以及所述最优卸载概率对应的最优服务费用确定所述无人机的最佳效率模型；
其中，优选的，在本实施例中，所述无人机将各终端的最优卸载概率数据带入无人机的期望收益函数中，得到基于中间变量构建的无人机的期望收益函数，
，
其中，
，；
所述无人机的期望收益函数为；
，
确定所述无人机的期望收益函数的最优收益的计算过程为；
函数关于/>求一、二阶导数，得到；
，
最优收益关于/>的二阶导小于0，即最优期望经济收益/>是关于/>的严格凹函数，存在唯一的最优策略/>使得最优期望经济收益最大化，令/>并且考虑的上下限，可得，
，
可以求得无人机的最优服务费用；
所述无人机确定所述无人机的最佳效率模型为。
具体而言，本发明通过对期望收益函数内的卸载概率进行优化计算，确定各终端的最优卸载概率，本发明通过无人机记录各终端的卸载概率的历史数据，并基于记录的历史数据得到针对此终端的最优卸载概率，进而预测性地确定对于各终端的最优卸载概率下终端的成本，并得到无人机的最优收益，进而，提高无人机向各终端提供计算卸载服务时，提前预判各终端的接受服务概率，提高无人机向各终端提供计算卸载服务的工作效率以及服务分配合理性。
具体而言，所述步骤S4中，所述无人机基于所述最优服务费用确定各终端的服务成本，其中，
所述无人机将所述最优服务费用分配到各终端，将各终端分配到的最优服务费用确定为所述无人机对各终端的服务成本。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，包括：
步骤S1，无人机接收若干终端发送的计算卸载服务请求；
步骤S2，基于第一成本参量确定各终端的计算卸载任务的第一成本，基于第二成本参量确定各终端的计算卸载任务的第二成本，基于所述计算卸载任务的第一成本以及第二成本确定各所述终端的期望总体成本；
所述第一成本参量包括终端的计算卸载任务处理所需的时间、计算卸载任务上传所需的能耗以及服务费用，所述第二成本参量包括终端的本地计算所需时间以及本地计算所需能耗；
步骤S3，构建无人机的期望收益函数，并对所述期望收益函数内的卸载概率进行优化计算，确定各终端的最优卸载概率，基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，所述最佳效率模型包括所述无人机预测的各终端的最优卸载概率以及最优服务费用；
步骤S4，所述无人机基于所述最优服务费用确定各终端的服务成本，将所述服务成本告知所有发送计算卸载服务请求的终端；
步骤S5，各终端根据服务成本选择是否将计算任务卸载至无人机，所述无人机接收各终端发送的计算任务数据，并平均分配运算资源处理各所述计算任务数据，并将处理结果传输到对应的终端。
2.根据权利要求1所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S2中，还包括按公式（1）计算终端的计算卸载任务处理所需的时间，
（1）
公式（1）中，为终端/>的计算卸载任务处理所需的时间，/>为终端i的计算卸载任务的数据大小，/>为终端i的数据上行传输速率，/>为终端i完成计算卸载任务所需的CPU周期时间，/>为无人机可分配的平均计算资源，/>，其中，f为无人机的计算频率，/>为终端i的卸载概率，i的值为大于等于1的整数，I为终端的总个数；
还包括按公式（2）计算所述终端的计算卸载任务上传所需的能耗，
（2）
公式（2）中，为终端/>的计算卸载任务上传所需的能耗，/>为终端i的传输功率。
3.根据权利要求2所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S2中，基于第一成本参量按公式（3）计算各终端的计算卸载任务的第一成本，
（3）
公式（3）中，为终端/>的计算卸载任务的第一成本，π为终端/>的服务费用，λ为时间权重系数，μ为能耗权重系数，η为服务费用权重系数。
4.根据权利要求3所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S2中，还包括按公式（4）计算所述终端的本地计算所需时间，
(4)
公式（4）中，为终端/>的本地计算所需时间，/>为终端i的计算频率；
还包括按公式（5）计算所述终端的本地计算所需能耗，
（5）
公式（5）中，为终端/>的本地计算所需能耗，/>为终端i的有效开关电容系数。
5.根据权利要求4所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S2中，基于第二成本参量按公式（6）计算各终端的计算卸载任务的第二成本，
（6）
公式（6）中，为终端/>的计算卸载任务的第二成本。
6.根据权利要求5所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S2中，基于所述计算卸载任务的第一成本以及第二成本按公式（7）计算各所述终端的期望总体成本，
(7)
公式（7）中，为终端i的期望总体成本，/>为终端i的卸载概率。
7.根据权利要求6所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S3中，按公式（8）构建无人机的期望收益函数，
(8)
公式（8）中，V为无人机的期望收益函数。
8.根据权利要求7所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S3中，所述无人机对所述期望收益函数内的卸载概率进行优化计算，其中，
所述无人机对卸载概率的优化计算过程包括基于本终端之外的其他终端的卸载先验概率确定本终端的最优卸载概率。
9.根据权利要求8所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S3中，所述无人机基于各终端的所述最优卸载概率确定所述无人机的最佳效率模型，其中，
所述无人机将各终端的最优卸载概率数据带入无人机的期望收益函数中，得到基于中间变量构建的无人机的期望收益函数，确定所述无人机的期望收益函数的最优服务费用，基于所述最优卸载概率以及所述最优卸载概率对应的最优服务费用确定所述无人机的最佳效率模型。
10.根据权利要求1所述的无人机辅助边缘计算中概率性计算卸载的服务优化方法，其特征在于，所述步骤S4中，所述无人机基于所述最优服务费用确定各终端的服务成本，其中，
所述无人机将所述最优服务费用分配到各终端，将各终端分配到的最优服务费用确定为所述无人机对各终端的服务成本。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311261702.0A CN116993183B (zh) | 2023-09-27 | 2023-09-27 | 无人机辅助边缘计算中概率性计算卸载的服务优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311261702.0A CN116993183B (zh) | 2023-09-27 | 2023-09-27 | 无人机辅助边缘计算中概率性计算卸载的服务优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116993183A true CN116993183A (zh) | 2023-11-03 |
| CN116993183B CN116993183B (zh) | 2023-12-29 |
Family
ID=88534230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311261702.0A Active CN116993183B (zh) | 2023-09-27 | 2023-09-27 | 无人机辅助边缘计算中概率性计算卸载的服务优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116993183B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
| CN110766159A (zh) * | 2019-09-29 | 2020-02-07 | 南京理工大学 | 基于改进遗传算法的多uav服务边缘计算的任务分配方法 |
| CN112351503A (zh) * | 2020-11-05 | 2021-02-09 | 大连理工大学 | 基于任务预测的多无人机辅助边缘计算资源分配方法 |
| CN112399375A (zh) * | 2020-06-19 | 2021-02-23 | 南京邮电大学 | 基于终端能效优化的无人机辅助边缘计算的卸载方法 |
| CN112784362A (zh) * | 2021-01-25 | 2021-05-11 | 南京航空航天大学 | 一种用于无人机辅助边缘计算的混合优化方法及*** |
| CN113873660A (zh) * | 2021-10-29 | 2021-12-31 | 浙江工业大学 | 无人机辅助的服务缓存边缘计算最优计算卸载决策与资源分配方法 |
| CN115766478A (zh) * | 2022-11-03 | 2023-03-07 | 河南大学 | 一种空地协同边缘计算服务器的卸载方法 |
| CN116089091A (zh) * | 2023-02-15 | 2023-05-09 | 重庆邮电大学 | 基于物联网边缘计算的资源分配和任务卸载方法 |
| CN116112953A (zh) * | 2023-01-18 | 2023-05-12 | 重庆邮电大学 | 基于移动边缘计算的区块链任务卸载和资源分配方法 |
| WO2023160012A1 (zh) * | 2022-02-25 | 2023-08-31 | 南京信息工程大学 | 一种用于电网线路随机巡检的无人机辅助边缘计算方法 |
-
2023
- 2023-09-27 CN CN202311261702.0A patent/CN116993183B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110096318A (zh) * | 2019-05-08 | 2019-08-06 | 北京邮电大学 | 一种基于移动边缘计算的任务卸载方法及装置 |
| CN110766159A (zh) * | 2019-09-29 | 2020-02-07 | 南京理工大学 | 基于改进遗传算法的多uav服务边缘计算的任务分配方法 |
| CN112399375A (zh) * | 2020-06-19 | 2021-02-23 | 南京邮电大学 | 基于终端能效优化的无人机辅助边缘计算的卸载方法 |
| CN112351503A (zh) * | 2020-11-05 | 2021-02-09 | 大连理工大学 | 基于任务预测的多无人机辅助边缘计算资源分配方法 |
| CN112784362A (zh) * | 2021-01-25 | 2021-05-11 | 南京航空航天大学 | 一种用于无人机辅助边缘计算的混合优化方法及*** |
| CN113873660A (zh) * | 2021-10-29 | 2021-12-31 | 浙江工业大学 | 无人机辅助的服务缓存边缘计算最优计算卸载决策与资源分配方法 |
| WO2023160012A1 (zh) * | 2022-02-25 | 2023-08-31 | 南京信息工程大学 | 一种用于电网线路随机巡检的无人机辅助边缘计算方法 |
| CN115766478A (zh) * | 2022-11-03 | 2023-03-07 | 河南大学 | 一种空地协同边缘计算服务器的卸载方法 |
| CN116112953A (zh) * | 2023-01-18 | 2023-05-12 | 重庆邮电大学 | 基于移动边缘计算的区块链任务卸载和资源分配方法 |
| CN116089091A (zh) * | 2023-02-15 | 2023-05-09 | 重庆邮电大学 | 基于物联网边缘计算的资源分配和任务卸载方法 |
Non-Patent Citations (3)
| Title |
|---|
| LIN JIE 等: "A Novel Lyapunov based Dynamic Resource Allocation for UAVs-assisted Edge Computing", COMPUTER NETWORKS, pages 1 - 12 * |
| 崔岩;姚叶;: "移动边缘计算***中无人机和用户的分层博弈优化方法", 通信技术, no. 09, pages 2189 - 2194 * |
| 黄旭民 等: "基于Stackelberg博弈的无人机辅助无线供能物联网能量优化", 通信学报, vol. 43, no. 12, pages 146 - 156 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116993183B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111586696B (zh) | 一种基于多智能体架构强化学习的资源分配及卸载决策方法 | |
| CN111182570B (zh) | 提高运营商效用的用户关联和边缘计算卸载方法 | |
| CN112512063B (zh) | 基于射频能量收集的无人机协助边缘计算的资源分配方法 | |
| CN113810233B (zh) | 一种在随机网络中基于算网协同的分布式计算卸载方法 | |
| CN111884829B (zh) | 最大化多无人机架构收益的方法 | |
| CN111988792B (zh) | 无人机联盟网络卸载模型的***及决策计算方法 | |
| CN113286317B (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
| CN111836284B (zh) | 基于移动边缘计算的能耗优化计算、卸载方法和*** | |
| CN110650487B (zh) | 基于数据隐私保护的物联网边缘计算配置方法 | |
| CN113727362A (zh) | 一种基于深度强化学习的无线供电***的卸载策略方法 | |
| CN113573363B (zh) | 基于深度强化学习的mec计算卸载与资源分配方法 | |
| CN114880046B (zh) | 联合卸载决策和带宽分配的低轨卫星边缘计算卸载方法 | |
| CN116916386A (zh) | 一种考虑用户竞争和负载的大模型辅助边缘任务卸载方法 | |
| CN116993183B (zh) | 无人机辅助边缘计算中概率性计算卸载的服务优化方法 | |
| CN114521023A (zh) | Swipt辅助noma-mec***资源分配建模方法 | |
| CN107426775B (zh) | 一种面向高能效异构网络的分布式多用户接入方法 | |
| CN114217630B (zh) | 一种基于注意力机制的动态时空无人机充电方法 | |
| CN108848519B (zh) | 一种基于交叉熵学习的异构网络用户接入方法 | |
| CN116405979A (zh) | 一种毫米波移动边缘计算组网资源分配方法 | |
| CN113553188B (zh) | 一种基于改进天牛须算法的移动边缘计算卸载方法 | |
| CN115664486A (zh) | 一种ris辅助uav边缘计算***中无线供能的能效优化方法 | |
| Yuan et al. | Joint Multi-Ground-User Edge Caching Resource Allocation for Cache-Enabled High-Low-Altitude-Platforms Integrated Network | |
| CN112969157B (zh) | 一种无人机网络负载均衡方法 | |
| CN113468819A (zh) | 基于遗传算法的无人机辅助边缘计算的能耗优化方法 | |
| CN113423115B (zh) | 一种基于边缘计算的能量协作与任务卸载优化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |