基于混合能源供应的无人机辅助多云协同任务卸载和资源分配

中文题目：基于混合能源供应的无人机辅助多云协同任务卸载和资源分配

录用时间：2022年8月18日

论文题目：Collaborative Task Offloading and Resource Allocation with Hybrid Energy Supply for UAV-Assisted Multi-Clouds

录用期刊：Journal of Cloud Computing (JCR Q2)

作者列表：

1）周    宇     中国石油大学（北京）信息科学与工程学院 2019级本科生

2）葛    慧     中国石油大学（北京）信息科学与工程学院 2019级硕士生

3）马博闻 中国石油大学（北京）信息科学与工程学院 2021级硕士生

4）张书航 中国石油大学（北京）信息科学与工程学院 2021级本科生

5）黄霁崴 中国石油大学（北京）信息科学与工程学院 教授

摘要:

云计算已成为满足物联网（IoT）设备日益增长的资源需求的一个很有前景的模式。同时随着移动空中基站的普及，无人机（UAV）辅助云计算对于在没有可用基础设施的地区提供多样化服务变得至关重要。但是很难通过单个无人机云服务器满足大量物联网设备的需求，因此多云（Multi-Clouds）已经应用于大规模物联网环境中。由于无人机的电池容量有限，混合供电被认为是一种有效的解决方法。在本文中，我们研究了无人机辅助的多云系统中能耗与系统性能之间的权衡，提出了一个以队列稳定性约束下的系统能耗最小为目标的动态优化问题，并利用Lyapunov技术将其进一步分解为三个子问题。我们提出了一种协同任务卸载和资源分配算法（CTORAA），用于联合确定任务卸载和能量收集策略。我们给出了相应的数学分析，并通过仿真实验验证了算法的有效性。

设计与实现:

如图1所示，在一个多无人机辅助的移动边缘计算系统，部署Y个无人机为X个地面物联网设备提供计算服务。根据物联网设备的分布情况，将其划分为Y个不相交的分区，每个分区关联一架无人机。每个物联网设备的任务请求可以本地计算，也可以通过网关传输到其区域的无人机来进行计算。

图1 无人机辅助多云的基本场景

物联网设备集合的本地计算所需能耗：

物联网设备传输所需的能耗：

无人机执行任务所需能耗：

我们的目标是最小化系统总能耗：

由于P1是一个随机优化问题。于是我们采用Lyapunov优化，将随机优化问题转化为确定性优化问题来进行求解。

主要内容:

协同任务卸载和资源分配算法

我们利用Lyapunov优化技术将原问题P1转化为P2：

我们将问题P2分解成三个子问题来进行求解，具体算法描述如下：

（1）子问题SP1

求解得到最优解：

（2）子问题SP2

求解得到最优解：

（3）子问题SP3

求解算法：

实验结果及分析:

（1）权衡参数V的影响

图2和图3分别展示了具有不同V值的系统的平均能耗和任务队列长度。平均能耗随着V值的增大而减小，平均队列长度随着V值的增大而增大，因此算法CTORAA可以通过改变权衡参数V的值来实现系统稳定性和能耗之间的权衡。

图2 不同V值下的平均能耗

图3 不同V值下的平均队列长度

（2）任务达到率的影响

图4和图5分别展示了，在不同任务到达率α的情况下，任务队列S和M随时间的变化，我们可以得到，该算法可以适应不同的任务到达率，保证队列的稳定性。

图4 不同α下的IoT队列长度

图5 不同α下的UAV队列长度

（3）我们将本文提出的算CTORAA与两种基准算法，即随机算法（random）和固定算法（fixed）进行比较。图6显示了三种不同算法的能耗，从中可以看出，我们提出的算法优于其他两种算法。

图6 不同算法的能耗

通讯作者简介:

黄霁崴，教授

博士，教授，博士生导师，石油数据挖掘北京市重点实验室主任，中国石油大学（北京）计算机科学与技术系主任。2015年度北京市优秀人才，2018年度中国石油大学（北京）优秀青年学者，2020年度北京市科技新星。分别在2009年和2014年于清华大学计算机科学与技术系获得工学学士和工学博士学位，2012-2013年国家公派赴美国佐治亚理工学院联合培养。研究方向包括：系统性能评价和优化、随机模型理论和应用、服务质量测量与保障技术、服务计算和物联网等。担任中国计算机学会（CCF）服务计算专委会委员，CCF高级会员，IEEE、ACM会员。已主持国家自然科学基金、北京市自然科学基金等科研项目13项，在国内外著名期刊和会议发表论文五十余篇，出版学术专著1部，获得国家发明专利5项、软件著作权3项，担任多个国际顶级期刊和知名会议审稿人。

联系方式：huangjw@cup.edu.cn。