本發(fā)明涉及mec系統(tǒng)領域，尤其涉及基于無人機輔助mec系統(tǒng)的三維部署優(yōu)化方法。

背景技術：

1、mec即移動邊緣計算(mobile?edge?computing，mec)，是一種基于移動通信網絡的全新的分布式計算方式，通過將其帶到網絡邊緣來擴展云計算的功能，mec可以看作是一個運行在移動網絡邊緣的、運行特定任務的云服務器。移動邊緣計算移動邊緣計算是指在移動網絡邊緣、無線接入網內以及靠近用戶的位置提供it服務和云計算能力。其基本思想是把云平臺遷移到網絡邊緣，實現(xiàn)傳統(tǒng)電信網與互聯(lián)網業(yè)務深度融合，并借助無線網絡提供的信息服務、位置服務、標識服務和寬帶管理服務能力，減少業(yè)務交付端到端時延，提升業(yè)務部署的靈活性和用戶體驗，建立新型的產業(yè)鏈及生態(tài)圈。

2、相比于云計算，移動邊緣計算將計算任務與數(shù)據(jù)源從云端或數(shù)據(jù)中心遷移到了距離用戶最近的邊緣端，并利用無線接入網絡創(chuàng)造出一個高性能、低延遲與高帶寬的使用環(huán)境就近為用戶提供云端內容和計算能力，讓移動用戶享有高質量服務體驗。在移動邊緣計算中，通過在蜂窩網絡基站與核心網絡之間的網絡邊緣部署設備(即邊緣服務器，通常由基礎設施提供方搭建)，提供對外的計算以及存儲服務，從而使得于移動設備可以將計算密集以及延遲敏感任務發(fā)送到就近的網絡邊緣設備上完成，從而降低任務在網絡中的傳輸時間。

3、在名為《mobile?edge?computing(mec)-enabled?uav?placement?andcomputation?efficiency?maximization?in?disaster?scenario》的期刊論文中提到提出了一種基于學習算法和內點法的多階段卸載算法，其基于學習算法和內點法的多階段卸載算法的基本原理為：該算法的第一階段是利用k-means算法，根據(jù)用戶設備的位置將空間分成m個簇，并求解無人機的最佳位置。在第二階段中，根據(jù)無人機位置、允許的最大連接數(shù)以及距離矩陣來確定每個ue與無人機之間的連接情況，確保在不超過每架無人機最大連接數(shù)的前提下，盡可能地實現(xiàn)最大數(shù)量的連接并得到最優(yōu)的卸載決策。在第三階段中，通過內點法求解，用戶設備的cpu頻率、發(fā)射功率以及無人機的波束寬度最優(yōu)解。

4、但是上述技術中，在無人機位置部署過程中，由于k-means算法通常依賴于數(shù)據(jù)點之間的距離來進行聚類，而無法直接將用戶服務質量需求的權重或優(yōu)先級納入考量。例如，對于服務質量需求高的用戶，可能希望無人機部署在其附近以確保用戶的服務質量需求得到滿足，但k-means算法無法直接反映這種優(yōu)先級，這直接導致了所得到的無人機部署位置是次優(yōu)解，而并非最優(yōu)解。

5、即上述技術中的缺點在于，在無人機3d位置部署過程中，考慮到不同移動用戶設備的服務質量需求時，k-means算法通常需要部署更多的無人機，以覆蓋服務質量要求更高的用戶，以保證更多用戶的服務質量。盡管能夠滿足不同移動用戶設備的服務質量需求，但這也意味著增加了系統(tǒng)的部署和運維成本。

技術實現(xiàn)思路

1、本發(fā)明要解決的技術問題是為了克服現(xiàn)有技術中的計算資源有限而導致終端設備的服務質量需求無法得到滿足的缺陷，提供基于無人機輔助mec系統(tǒng)的三維部署優(yōu)化方法。

2、本發(fā)明是通過下述技術方案來解決上述技術問題：

3、本發(fā)明提供基于無人機輔助mec系統(tǒng)的三維部署優(yōu)化方法，所述三維部署優(yōu)化方法包括如下操作步驟：

4、步驟一、參數(shù)的初始化；

5、步驟二、將最大化終端系統(tǒng)計算效率的問題建模為非線性整數(shù)規(guī)劃化問題；

6、步驟三、利用基于ia和sec的無人機3d位置部署算法求解無人機3d位置；

7、步驟四、利用拉格朗日乘子法求解移動用戶設備的cpu頻率、發(fā)射功率和終端卸載決策；

8、步驟五、利用一維搜索求解無人機的波束寬度；

9、步驟六、利用三階段交替迭代算法(bscem)最大化系統(tǒng)的計算速率。

10、在本技術方案中，能夠在確保所有移動用戶設備服務質量的同時，以最少的數(shù)量部署無人機，并能按需精確部署到目標區(qū)域，提供周期性服務，可得到最優(yōu)移動用戶設備cpu頻率、發(fā)射功率和終端卸載決策變量、無人機的波束寬度以及終端系統(tǒng)計算效率最大化，可以合理分配終端自身的計算和通信資源，在終端設備上實現(xiàn)數(shù)據(jù)傳輸過程中的雙重優(yōu)化，既提升數(shù)據(jù)傳輸能力，又降低能耗，從而在整體效率和能源利用率上取得平衡和提升。

11、較佳地，所述步驟一中參數(shù)的初始化即初始化用戶分布區(qū)域，將用戶分布區(qū)域建立為一個二維圓形平面，多個用戶隨機分布在圓形范圍內，基站位于邊緣地區(qū)。

12、較佳地，所述步驟二的具體操作步驟為：

13、s1、建立無線信道模型；

14、s2、建立本地計算模型；

15、s3、建立通信模型；

16、s4、優(yōu)化模型。

17、較佳地，所述s1步驟中的無線通信系統(tǒng)中，信道模型對于模擬現(xiàn)實世界的無線通信至關重要。

18、較佳地，所述s2步驟中，移動用戶設備采用部分卸載方式，將任務分配給無人機進行計算。

19、較佳地，所述s3步驟中，移動用戶設備和無人機之間的信道增益視為自由空間無線信道模型。

20、較佳地，所述s4步驟中，在保證用戶的服務質量的前提下，通過優(yōu)化移動用戶設備的卸載關聯(lián)決策、發(fā)射功率，計算資源分配以及無人機的3d位置來最大化終端的計算效率。

21、較佳地，所述步驟三的具體操作步驟為：

22、a1、最大化無人機服務半徑；

23、a2、利用無人機3d位置部署算法優(yōu)化無人機3d位置。

24、較佳地，所述a1步驟中采用信噪比閾值作為衡量服務質量能否滿足正常通信要求的標準。

25、較佳地，所述步驟六的具體操作步驟為，利用三階段交替迭代算法(bscem)，將步驟三、四、五交替迭代求解出最優(yōu)移動用戶設備cpu頻率、發(fā)射功率和終端卸載決策變量、無人機的波束寬度以及終端系統(tǒng)計算效率最大化。

26、在符合本領域常識的基礎上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實例。

27、本發(fā)明的積極進步效果在于：

28、本發(fā)明能夠在確保所有移動用戶設備服務質量的同時，以最少的數(shù)量部署無人機，并能按需精確部署到目標區(qū)域，提供周期性服務，可得到最優(yōu)移動用戶設備cpu頻率、發(fā)射功率和終端卸載決策變量、無人機的波束寬度以及終端系統(tǒng)計算效率最大化，可以合理分配終端自身的計算和通信資源，在終端設備上實現(xiàn)數(shù)據(jù)傳輸過程中的雙重優(yōu)化，既提升數(shù)據(jù)傳輸能力，又降低能耗，從而在整體效率和能源利用率上取得平衡和提升；

29、為了確定無人機的最佳位置并保證終端用戶的服務質量，一方面先根據(jù)用戶設備接收信號所需的最小信噪比與其服務質量之間的關系，推導滿足用戶服務質量要求的無人機最大服務半徑，可保證不同移動用戶設備的不同服務質量需求，另一方面根據(jù)給定最大服務半徑，基于最小外接圓和增量算法來得到無人機的最佳部署位置可以既保證不同移動用戶設備的不同服務質量需求，又滿足無人機的服務能力約束，即本發(fā)明可以在部署無人機數(shù)量最少的情況下，既保證不同移動用戶設備的不同服務質量需求，又滿足無人機的服務能力約束。