论文部分内容阅读
边缘计算(Edge Computing,EC)是基于物联网和云服务的思想和概念,提出的一种利用网络边缘结点来处理、分析数据的模型。它广泛应用于云卸载、人脸识别、智能家居、智慧城市等领域。其中移动边缘计算(Mobile Edge Computing,MEC)的部署和卸载决策可以实现边缘计算低延迟、高带宽的优势,并成为国内外边缘计算应用研究的重要方向。但是,MEC在实际应用过程中,由于不同的应用场景、海量的数据和节点选择问题的影响,导致网路延迟过高、高带宽带来的大量资源浪费等问题。因此,如何合理地部署边缘云和实现移动用户的任务调度是移动边缘计算的核心问题。移动边缘计算处理好边缘云这一核心问题,能构造一个具备高性能、低延迟与高带宽的服务环境,实现尽可能降低系统运行能耗的目标。本文对已有的大规模移动节点的分配和调度算法进行了改进和优化,构造了一个基于MEC的多无人机部署和任务调度的框架。本框架的主要创新点如下:一、提出了EMC的双层优化方法和新的四元组编码机制。综合优化无人机部署和移动用户的任务调度,降低了优化算法的整体能耗。二、提出了一种自适应差分的人工蜂群算法,该算法应用于多无人机的部署优化。在上层优化算法中增加了消除运算符因子和差分策略库,利用差分向量来加强算法的搜索能力,平衡了算法的局部寻优和全局搜索,达到移动节点自主选择新策略和资源优化分配的目标。三、提出了一种高效的贪婪算法。在下层优化中,针对多移动节点的任务调度问题,将其转换成一个0-1整数规划问题,能根据系统的规模,将任务进行分类处理,用更少的时间来得近似优化的解决方案。多无人机仿真实验表明,本文提出的EMC双层优化方法和大规模移动用户的部署和任务调度的优化算法,提高了任务成功率,减少了所需无人机数量,降低了算法的综合能耗。