(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111449863.3 (22)申请日 2021.11.30 (71)申请人 广东工业大 学 地址 510090 广东省广州市越秀区东 风东 路729号 (72)发明人 张广驰　何梓楠　崔苗　刘圣海　 王日明　王昆　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 代理人 禹小明 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01)G06F 9/50(2006.01) (54)发明名称 一种无人机辅助移动边缘计算的调度优化 方法及系统 (57)摘要 本发明公开了一种无人机辅助移动边缘计 算的调度优化方法及系统， 涉及无人机移动边缘 计算的技术领域， 所述方法包括构建当无人机和 若干个用户设备额移动边缘计算系统的卸载模 型， 并计算完成每个计算任务的能耗； 以用户设 备的平均能耗最小化为目标， 建立联合无人机轨 迹和用户设备调度的优化问题， 将其转化为马尔 科夫决策过程， 定义移动边缘计算系统卸载模型 的状态空间、 动作空间和回报函， 用于训练基于 SAC算法构建的深度神经网络， 利用训练好的深 度神经网络可以进行调度优化， 获得最优调度策 略， 可以规划出无人机的连续动作， 获得合理、 准 确的飞行轨迹和用户设备的选择策略， 复杂程度 低， 收敛性强， 减少了用户设备的平均计算能耗。 权利要求书4页 说明书11页 附图5页 CN 114169234 A 2022.03.11 CN 114169234 A 1.一种无 人机辅助移动边 缘计算的调度优化方法， 其特 征在于， 包括： S1： 构建移动边 缘计算系统的卸载模型， 所述模型包括 一个无人机和若干个用户设备； S2： 根据移动边 缘计算系统的卸载模型， 获得计算任务的能耗； S3： 以用户设备的平均能耗最小化为目标， 建立联合无人机轨迹和用户设备调度的优 化问题； S4： 将所述优化问题转化为马尔科夫决策过程， 定义移动边缘计算系统卸载模型的状 态空间、 动作空间和回报函数； S5： 基于SAC算法构建深度神经网络， 利用状态空间、 动作空间和回报函数对深度神经 网络进行训练， 获得训练好的深度神经网络； S6： 利用训练好的深度神经网络进行调度优化， 获得最优调度策略， 即无人机飞行轨迹 和用户设备的选择 策略。 2.根据权利要求1所述的无人机辅助移动 边缘计算的调度优化方法， 其特征在于， 所述 步骤S1中， 构建的移动边 缘计算系统的卸载模型 具体为： 移动边缘计算系统 的卸载模型包括单个无人机和N个用户设备， 无人机最多同时服务K 个用户设备， 每个用户设备选择将计算任务由本地计算或者卸 载至无人机计算； 设定无人 机的飞行区域的长度和宽度分别为Xmax和Ymax， 无人机在固定高度h以v(t)恒定速度飞行， 天 线发射角度为θ， 飞行最大速度为vmax； 无人机的飞行时间为T个时隙， 每个时隙长度为τ， 在 任意时刻完成计算任务的时间不能超过最大时延Tmax； 将无人机的坐标表示为[X(t)， Y(t)， h]， 用户设备的坐标表示为[xi(t)， yi(t)， 0]， i∈ {1， 2，…， N}； 设定无人机在t时刻的飞行距离和水平方向角度分别为 d(t)和 θh(t)， 则X(t) ＝X(t‑1)+d(t)cos( θh(t))， Y(t)＝Y(t ‑1)+d(t)sin( θh(t))； 无人机的最大覆盖范围为 Rmax ＝h·tan( θ )， 飞行速度为 定义t时刻的计算任务 为： Ii(t)＝{Di(t)， Fi(t)} 式中， Di(t)表示选择卸载计算t时刻的计算任务时的数据传 输量， Fi(t)表示完 成t时刻 的计算任务所需的计算能力； 定义αi(t)∈{0， 1}表示用户设备的选择策略， αi(t)＝0时表示t时刻的计算任务本地计 算， αi(t)＝1时表示t时刻的计算任务卸载计算。 3.根据权利要求2所述的无人机辅助移动 边缘计算的调度优化方法， 其特征在于， 所述 步骤S2中， 根据移动边 缘计算系统的卸载模型， 获得计算任务所消耗的能量包括： 用户设备选择卸载计算， 即αi(t)＝1； 此时该用户设备与无 人机的水平面上的距离为： 则卸载计算时上 行链路速率 为： 式中， B表示通信信道的平均带宽， PTr表示用户设备数据卸载的传 输功率， ρ 表示传输功 率系数；权　利　要　求　书 1/4 页 2 CN 114169234 A 2用户设备传输计算任务的时间开销为： 无人机处理计算任务的时间开销为： 式中， fU(t)表示无 人机的计算能力； 则用户设备选择卸载计算的总时间开销为： 用户设备选择卸载计算的能耗 为： 式中， 表示第i个用户设备选择卸载计算的能耗。 4.根据权利要求3所述的无人机辅助移动 边缘计算的调度优化方法， 其特征在于， 所述 步骤S2中， 根据移动边 缘计算系统的卸载模型， 获得计算任务所消耗的能量还 包括： 用户设备选择本地计算， 即αi(t)＝0； 用户设备处 理计算任务的时间开销为： 式中， 表示用户设备的计算能力； 将用户设备的功耗设定为 则用户设备选择本地计算的能耗 为： 式中， ki为第一常数， vi为第二常数。 5.根据权利要求4所述的无人机辅助移动 边缘计算的调度优化方法， 其特征在于， 所述 步骤S3中， 以用户设备的平均能耗最小化为目标， 建立联合无人机轨迹和用户设备调度的 优化问题， 具体为： 定义飞行动作集 合 用户设备调度策略集 合 则优化问题P表示 为： P： 权　利　要　求　书 2/4 页 3 CN 114169234 A 3