MEC和區(qū)塊鏈賦能無(wú)人機(jī)輔助的物聯(lián)網(wǎng)資源優(yōu)化

張延華， 趙鋮澤， 李 萌， 司鵬搏， 孫恩昌， 楊睿哲

(1.北京工業(yè)大學(xué)信息學(xué)部， 北京 100124； 2.北京工業(yè)大學(xué)先進(jìn)信息網(wǎng)絡(luò)北京實(shí)驗(yàn)室， 北京 100124)

物聯(lián)網(wǎng)是當(dāng)前互聯(lián)網(wǎng)服務(wù)的擴(kuò)展，實(shí)現(xiàn)了機(jī)器與機(jī)器之間的通信，為人與物之間的交流提供了便利，對(duì)人們的日常生活產(chǎn)生了深遠(yuǎn)的影響[1-2]. 物聯(lián)網(wǎng)有感知層、網(wǎng)絡(luò)層和應(yīng)用層3層技術(shù)架構(gòu)，可以提供信息服務(wù)[3]. 此外，物聯(lián)網(wǎng)可以根據(jù)不同用戶的不同需求提供不同領(lǐng)域的服務(wù)，例如智能交通、智能家居、環(huán)境監(jiān)控和食品溯源等[4-5].

然而，一些物聯(lián)網(wǎng)設(shè)備物理尺寸較小，通常僅裝配輕量級(jí)的計(jì)算處理器，因此，多數(shù)物聯(lián)網(wǎng)設(shè)備僅具有有限的計(jì)算能力且無(wú)法實(shí)現(xiàn)復(fù)雜的數(shù)據(jù)計(jì)算處理. 云計(jì)算的出現(xiàn)為物聯(lián)網(wǎng)中大規(guī)模數(shù)據(jù)存儲(chǔ)和計(jì)算需求提供了解決方案[6]，但隨著智能設(shè)備和移動(dòng)設(shè)備數(shù)量的快速增長(zhǎng)，用戶對(duì)服務(wù)質(zhì)量提出了更高的要求，有必要使云服務(wù)更加接近用戶[7]. 因此，移動(dòng)邊緣計(jì)算(mobile edge computing, MEC)技術(shù)被提出并廣泛應(yīng)用于物聯(lián)網(wǎng)場(chǎng)景中，它將計(jì)算和存儲(chǔ)資源部署在移動(dòng)網(wǎng)絡(luò)的邊緣以便處理物聯(lián)網(wǎng)設(shè)備的密集型計(jì)算任務(wù)，大大減少了網(wǎng)絡(luò)時(shí)延和網(wǎng)絡(luò)擁塞等問(wèn)題，避免了不必要的能源消耗和網(wǎng)絡(luò)開(kāi)銷(xiāo)[8-9]. 例如，Ren等[10]將邊緣服務(wù)器應(yīng)用于協(xié)同網(wǎng)絡(luò)，有效降低了網(wǎng)絡(luò)延遲并降低了核心網(wǎng)絡(luò)的帶寬使用.

此外，對(duì)于部署在較偏遠(yuǎn)或者傳輸鏈路容易被中斷環(huán)境下的物聯(lián)網(wǎng)設(shè)備，數(shù)據(jù)任務(wù)的卸載與計(jì)算也是不可忽視的問(wèn)題. 無(wú)人機(jī)技術(shù)的出現(xiàn)有效地解決了這一問(wèn)題. 無(wú)人機(jī)輔助的物聯(lián)網(wǎng)通信是一種具有成本低、可控性強(qiáng)、可按需部署等特點(diǎn)的新興技術(shù)，可用于軍事、公共和民用領(lǐng)域[11]. 特別地，低空無(wú)人機(jī)可以作為中繼提高通信系統(tǒng)的性能，擴(kuò)大通信覆蓋范圍，并且無(wú)人機(jī)的可運(yùn)動(dòng)性為物聯(lián)網(wǎng)設(shè)備帶來(lái)了便捷的網(wǎng)絡(luò)接入點(diǎn)[12]. 此外，無(wú)人機(jī)可以攜帶物聯(lián)網(wǎng)設(shè)備和通信設(shè)備，用于執(zhí)行監(jiān)測(cè)和通信任務(wù)，在物聯(lián)網(wǎng)領(lǐng)域得到了廣泛的應(yīng)用[13]. 例如，Wang等[14]利用無(wú)人機(jī)的靈活性，提出了在線無(wú)人機(jī)邊緣服務(wù)器調(diào)度方案，滿足了更多用戶設(shè)備的需求，獲得了較高的資源利用率和服務(wù)器利用率. Zhang等[15]提出在無(wú)人機(jī)輔助的MEC網(wǎng)絡(luò)中，將無(wú)人機(jī)作為計(jì)算節(jié)點(diǎn)和中繼節(jié)點(diǎn)，同時(shí)考慮無(wú)人機(jī)和宏基站的計(jì)算資源分配以實(shí)現(xiàn)降低用戶的平均時(shí)延的目標(biāo). Zhou等[16]將復(fù)雜的計(jì)算任務(wù)卸載到附近部署的無(wú)人機(jī)上，通過(guò)約束時(shí)延、卸載數(shù)據(jù)量和總功率，提高了無(wú)人機(jī)自干擾效率等系統(tǒng)性能.

MEC技術(shù)和無(wú)人機(jī)技術(shù)的引入給物聯(lián)網(wǎng)帶來(lái)了巨大的優(yōu)勢(shì)，但由于邊緣節(jié)點(diǎn)的交互和無(wú)人機(jī)網(wǎng)絡(luò)的不可信廣播特性，數(shù)據(jù)安全性和隱私性的保證面臨巨大挑戰(zhàn). 針對(duì)無(wú)人機(jī)輔助的物聯(lián)網(wǎng)系統(tǒng)，引入新興的區(qū)塊鏈技術(shù)可以解決網(wǎng)絡(luò)中存在的數(shù)據(jù)安全和數(shù)據(jù)共享問(wèn)題[17]. 區(qū)塊鏈?zhǔn)且环N具有安全性和可驗(yàn)證性的數(shù)據(jù)結(jié)構(gòu)，能夠在點(diǎn)對(duì)點(diǎn)設(shè)置中創(chuàng)建防篡改分布式賬本[18]. 因此，它具有去中心化、不可偽造性、可編程性和安全性等特點(diǎn)以提供安全、防篡改的物聯(lián)網(wǎng)網(wǎng)絡(luò)[19]. 例如，Islam等[20]提出了基于區(qū)塊鏈技術(shù)的數(shù)據(jù)采集方案，利用無(wú)人機(jī)作為中繼將物聯(lián)網(wǎng)設(shè)備的信息轉(zhuǎn)發(fā)到服務(wù)器上，有效保證了信息的安全性并降低了系統(tǒng)的能耗. Asheralieva等[21]研究了基于區(qū)塊鏈和MEC技術(shù)的無(wú)人機(jī)輔助的物聯(lián)網(wǎng)系統(tǒng)，采用分層深度學(xué)習(xí)的算法實(shí)現(xiàn)了系統(tǒng)收益的最大化.

盡管MEC技術(shù)和區(qū)塊鏈技術(shù)在無(wú)人機(jī)輔助的物聯(lián)網(wǎng)中對(duì)系統(tǒng)性能的優(yōu)化取得了較好的效果，但現(xiàn)有研究工作通常是分開(kāi)考慮的. 另外，需要聯(lián)合考慮MEC服務(wù)器計(jì)算資源的分配對(duì)MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延的影響. 綜上所述，本文面向無(wú)人機(jī)輔助的物聯(lián)網(wǎng)場(chǎng)景中頻譜資源和計(jì)算資源分配問(wèn)題，結(jié)合MEC技術(shù)和區(qū)塊鏈技術(shù)提出了一種資源優(yōu)化框架. 通過(guò)考慮資源分配，將實(shí)現(xiàn)MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延的最佳權(quán)衡作為優(yōu)化目標(biāo)，建立優(yōu)化問(wèn)題模型. 由于該優(yōu)化問(wèn)題是一個(gè)非凸混合整數(shù)問(wèn)題，采用交替方向乘子(alternating direction method of multipliers, ADMM)法來(lái)有效地解決該問(wèn)題. 仿真結(jié)果顯示，所提方法具有快速的收斂性，可有效減少無(wú)人機(jī)輔助的物聯(lián)網(wǎng)數(shù)據(jù)卸載、計(jì)算能耗以及數(shù)據(jù)共識(shí)過(guò)程的計(jì)算時(shí)延，實(shí)現(xiàn)MEC系統(tǒng)和區(qū)塊鏈系統(tǒng)性能的最佳權(quán)衡.

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

本文所提無(wú)人機(jī)輔助的物聯(lián)網(wǎng)系統(tǒng)模型如圖1所示，包括MEC系統(tǒng)和區(qū)塊鏈系統(tǒng).在所提網(wǎng)絡(luò)場(chǎng)景中，物聯(lián)網(wǎng)設(shè)備將數(shù)據(jù)可卸載到無(wú)人機(jī)上，無(wú)人機(jī)作為中繼節(jié)點(diǎn)將數(shù)據(jù)傳輸?shù)交具M(jìn)行計(jì)算.把O定義為所有物聯(lián)網(wǎng)設(shè)備的幾何中心，假設(shè)共有M個(gè)物聯(lián)網(wǎng)設(shè)備、N架無(wú)人機(jī)和N個(gè)基站，每個(gè)物聯(lián)網(wǎng)設(shè)備的位置表示為{xm,ym,0}，m∈{1,2,…,M}.無(wú)人機(jī)在目標(biāo)區(qū)域上空飛行，位置表示為{xn,yn,h}，n∈{1,2,…,N}，第n架無(wú)人機(jī)懸停的時(shí)間為T(mén)n.此外，每個(gè)基站配備一臺(tái)MEC服務(wù)器，假設(shè)每個(gè)基站只服務(wù)于一架無(wú)人機(jī).

圖1 系統(tǒng)模型

在區(qū)塊鏈系統(tǒng)中，基站作為區(qū)塊鏈節(jié)點(diǎn)負(fù)責(zé)區(qū)塊的生成和協(xié)商過(guò)程，用來(lái)處理來(lái)自無(wú)人機(jī)的計(jì)算卸載記錄等事務(wù).當(dāng)網(wǎng)絡(luò)中各節(jié)點(diǎn)之間達(dá)成共識(shí)時(shí)，新塊成為有效塊，然后生成的塊將被廣播到區(qū)塊鏈系統(tǒng).此外，每個(gè)節(jié)點(diǎn)可以參與記錄這些交易從而實(shí)現(xiàn)數(shù)據(jù)共享.

1.2 通信模型

定義Dmn為第m個(gè)物聯(lián)網(wǎng)設(shè)備傳輸給第n架無(wú)人機(jī)的數(shù)據(jù)量，Cmn表示完成計(jì)算任務(wù)所需的CPU周期總數(shù)，從而Wmn(Dmn，Cmn)表示第m個(gè)物聯(lián)網(wǎng)設(shè)備傳輸給第n架無(wú)人機(jī)的計(jì)算任務(wù).在本文中，假設(shè)無(wú)人機(jī)所服務(wù)的相關(guān)物聯(lián)網(wǎng)設(shè)備之間不存在干擾.第m個(gè)物聯(lián)網(wǎng)設(shè)備與第n架無(wú)人機(jī)之間的距離可以表示為

(1)

設(shè)h0為參考距離dmn=1 m處的信道增益，那么從第m個(gè)物聯(lián)網(wǎng)設(shè)備到第n架無(wú)人機(jī)的信道功率增益可以表示為

(2)

(3)

因此，從第m個(gè)物聯(lián)網(wǎng)設(shè)備到第n架無(wú)人機(jī)的數(shù)據(jù)傳輸?shù)臅r(shí)延為

(4)

可以得到從物聯(lián)網(wǎng)設(shè)備到無(wú)人機(jī)的數(shù)據(jù)卸載傳輸?shù)目偰芎臑?/p>

(5)

1.3 計(jì)算模型

(6)

那么MEC服務(wù)器進(jìn)行數(shù)據(jù)計(jì)算的總能耗為

(7)

式中：ln為有效開(kāi)關(guān)電容；γn為一個(gè)正常數(shù).實(shí)際測(cè)量中，ln=10-26，γn=3.

可以得到MEC系統(tǒng)總能耗為

EM=Etr+Ec

(8)

1.4 區(qū)塊鏈模型

為保證卸載到MEC的數(shù)據(jù)安全，防止惡意的MEC服務(wù)器濫用數(shù)據(jù)導(dǎo)致信息泄露，區(qū)塊鏈系統(tǒng)的共識(shí)節(jié)點(diǎn)采用實(shí)用拜占庭容錯(cuò)(practical Byzantine fault tolerance，PBFT)協(xié)商機(jī)制[22]對(duì)MEC系統(tǒng)發(fā)送的計(jì)算卸載記錄進(jìn)行驗(yàn)證和共識(shí).PBFT是指分布式網(wǎng)絡(luò)的一種容錯(cuò)能力，即網(wǎng)絡(luò)在存在無(wú)法正常運(yùn)行或散布錯(cuò)誤信息的惡意節(jié)點(diǎn)的情況下仍能讓誠(chéng)實(shí)節(jié)點(diǎn)達(dá)成共識(shí)、正常運(yùn)行，通過(guò)運(yùn)用集體決策的力量降低惡意節(jié)點(diǎn)對(duì)整體網(wǎng)絡(luò)的影響力，避免網(wǎng)絡(luò)出現(xiàn)嚴(yán)重故障.采用密碼學(xué)算法的PBFT協(xié)商機(jī)制可以保證節(jié)點(diǎn)之間消息傳送的不可篡改性，具體步驟如下.

首先，區(qū)塊鏈中的節(jié)點(diǎn)從MEC系統(tǒng)收集如計(jì)算卸載記錄之類(lèi)的事務(wù).當(dāng)主節(jié)點(diǎn)收到事務(wù)時(shí)，需要檢查簽名和消息認(rèn)證碼(message authentication code, MAC).假設(shè)生成或驗(yàn)證1個(gè)簽名、生成或驗(yàn)證1個(gè)MAC分別需要?和θ個(gè)CPU周期，得到主節(jié)點(diǎn)的計(jì)算成本為

(9)

式中：φ為一個(gè)區(qū)塊中可以包含的最大事務(wù)數(shù)；g為正確事務(wù)的比例.

主節(jié)點(diǎn)向所有副本節(jié)點(diǎn)發(fā)送pre-prepare消息.副本節(jié)點(diǎn)在接收到一個(gè)新塊后，首先驗(yàn)證該塊的簽名和MAC，然后驗(yàn)證事務(wù)的簽名和MAC.在該過(guò)程中，副本節(jié)點(diǎn)的計(jì)算成本為

g2=(φ+1)(?+θ)

(10)

每個(gè)副本節(jié)點(diǎn)向其他副本節(jié)點(diǎn)發(fā)送prepare消息.節(jié)點(diǎn)需要驗(yàn)證2f(f=(N-1)/3)個(gè)來(lái)自其他副本節(jié)點(diǎn)的簽名和MAC.另外，副本節(jié)點(diǎn)需要生成1個(gè)簽名和N-1個(gè)MAC，可得副本節(jié)點(diǎn)的計(jì)算成本為

g3=?+(N-1)θ+2f(?+θ)

(11)

每個(gè)副本節(jié)點(diǎn)向其他節(jié)點(diǎn)發(fā)送commit消息.節(jié)點(diǎn)在收到commit消息后需要驗(yàn)證2f個(gè)簽名和MAC.因此，副本節(jié)點(diǎn)的計(jì)算成本為

g4=?+(N-1)θ+2f(?+θ)

(12)

收集到2f個(gè)匹配的commit消息之后，新塊成為有效塊，并將其廣播到區(qū)塊鏈系統(tǒng).副本節(jié)點(diǎn)的計(jì)算成本為

g5=φ(?+θ)

(13)

因此，區(qū)塊鏈系統(tǒng)的總計(jì)算時(shí)延為

(14)

2 問(wèn)題建模

通過(guò)聯(lián)合考慮頻譜資源分配和計(jì)算資源分配，提出了一個(gè)使MEC系統(tǒng)的能量消耗和區(qū)塊鏈系統(tǒng)的計(jì)算時(shí)延最小化的優(yōu)化問(wèn)題.采用函數(shù)

Q={ω1u(Etr+Ec)+(1-ω1)ω2Td}=

(15)

作為系統(tǒng)的目標(biāo)函數(shù).式中：ω1為一個(gè)將目標(biāo)函數(shù)組合成單個(gè)函數(shù)的權(quán)重因子；ω2為一個(gè)映射因子，用于確保目標(biāo)函數(shù)處于同一水平；u(·)是一個(gè)采用指數(shù)函數(shù)的效用函數(shù).提出的聯(lián)合優(yōu)化問(wèn)題為

(16)

式中：C1表示分配給卸載到無(wú)人機(jī)的所有計(jì)算任務(wù)的頻譜總和不能超過(guò)每架無(wú)人機(jī)的總可用頻譜；C2表示所有相關(guān)物聯(lián)網(wǎng)設(shè)備的計(jì)算任務(wù)所需的計(jì)算資源和區(qū)塊鏈節(jié)點(diǎn)的計(jì)算資源之和不能超過(guò)MEC服務(wù)器的總計(jì)算能力； C3表示數(shù)據(jù)卸載的總時(shí)間消耗不應(yīng)超過(guò)每架無(wú)人機(jī)的懸停時(shí)間.

3 資源配置與優(yōu)化設(shè)計(jì)

本部分設(shè)計(jì)了聯(lián)合頻譜資源分配和計(jì)算資源分配的優(yōu)化算法，用于求解前文提出的聯(lián)合優(yōu)化問(wèn)題.

3.1 MEC系統(tǒng)中的資源分配

對(duì)于MEC系統(tǒng)，可以通過(guò)解決以下問(wèn)題

s.t. C1,C2,C3

(17)

獲得最小能耗.

1) 問(wèn)題轉(zhuǎn)化

定義e′mn=1/emn，k′mn=(kmn)γn-1，因此，將問(wèn)題轉(zhuǎn)化為

(18)

2) 問(wèn)題分解

(19)

因此，可以得到每架無(wú)人機(jī)n∈N的局部變量可行集

(20)

針對(duì)每架無(wú)人機(jī)n∈N的局部效用函數(shù)為

(21)

可以得到式(18)的等價(jià)公式，即

(22)

3) 基于ADMM的分布式優(yōu)化算法

針對(duì)頻譜資源分配和計(jì)算資源分配的聯(lián)合優(yōu)化問(wèn)題，提出了基于ADMM的分布式優(yōu)化算法.式(22)的增廣拉格朗日式子為

Lρ({n,n}n∈N, {e′,′}, {αn,βn}n∈N)=

(23)

局部變量迭代過(guò)程為

(24)

全局變量迭代過(guò)程為

(25)

拉格朗日乘子迭代過(guò)程為

(26)

式中 [t]為迭代次數(shù).下面討論解決上述迭代的方法.

首先，進(jìn)行局部變量的更新，在式(24)的迭代過(guò)程中，問(wèn)題被分解為N個(gè)子問(wèn)題.在[t+1]次迭代時(shí)，對(duì)于每架無(wú)人機(jī)n∈N等價(jià)于求解下列優(yōu)化問(wèn)題

(27)

之后，進(jìn)行全局變量和拉格朗日乘子的更新，通過(guò)將梯度設(shè)置為0，可以得到

(28)

由此可以得到如下結(jié)果

(29)

在迭代過(guò)程中，通過(guò)在[t]次迭代時(shí)將拉格朗日乘子初始化為零，即

式(28)可以簡(jiǎn)化為

(30)

4) 算法停止準(zhǔn)則

在實(shí)現(xiàn)過(guò)程中，采用了一個(gè)合理的停止準(zhǔn)則.在[t+1]次迭代時(shí)原可行條件和對(duì)偶可行條件的殘差應(yīng)該足夠小，即

(31)

和

(32)

式中υpri>0，υdual>0分別為原可行條件和對(duì)偶可行條件的可行性容忍度，在本文中設(shè)置υpri=υdual=0.000 1.

基于以上討論，可以得到頻譜資源分配和計(jì)算資源分配的最優(yōu)決策，實(shí)現(xiàn)MEC系統(tǒng)能耗最小化.基于ADMM的分布式優(yōu)化算法的工作流程見(jiàn)算法1.

--------------------------------------------

算法1基于ADMM的無(wú)人機(jī)輔助的物聯(lián)網(wǎng)系統(tǒng)資源優(yōu)化調(diào)度算法

--------------------------------------------

1) 初始化

① MEC系統(tǒng)決定停止準(zhǔn)則閾值υpri和υdual

② 設(shè)置初始可行全局解，并將此消息傳送給每架無(wú)人機(jī)

③ 每架無(wú)人機(jī)收集與之相關(guān)聯(lián)的物聯(lián)網(wǎng)設(shè)備的信息

④ 每架無(wú)人機(jī)決定拉格朗日乘子向量{αn[0],βn[0]}，并將此消息傳送給MEC系統(tǒng)

t=0;

2) 迭代

② MEC系統(tǒng)更新全局變量{e′,k′}[t+1]，并將信息傳送給無(wú)人機(jī)

t=t+1;直到滿足停止準(zhǔn)則(31)(32)

3) 輸出優(yōu)化結(jié)果{e′,k′}*

--------------------------------------------

3.2 區(qū)塊鏈系統(tǒng)中的資源分配

在得到MEC系統(tǒng)中頻譜資源分配和計(jì)算資源分配的最優(yōu)決策后，式(16)可簡(jiǎn)化為區(qū)塊鏈節(jié)點(diǎn)CPU周期頻率的優(yōu)化，即

(33)

(34)

給出.

因此，可以得到區(qū)塊鏈系統(tǒng)中區(qū)塊鏈節(jié)點(diǎn)的最優(yōu)CPU周期頻率，同時(shí)實(shí)現(xiàn)了區(qū)塊鏈系統(tǒng)最小的計(jì)算時(shí)延.

4 仿真實(shí)驗(yàn)及結(jié)果分析

本文從不同角度對(duì)所提系統(tǒng)模型和優(yōu)化算法進(jìn)行仿真，進(jìn)而評(píng)估所提方案的有效性和系統(tǒng)性能.在仿真網(wǎng)絡(luò)場(chǎng)景中，考慮存在4架無(wú)人機(jī)、4個(gè)基站和16個(gè)物聯(lián)網(wǎng)設(shè)備.基站和物聯(lián)網(wǎng)設(shè)備在 50 m×50 m 的二維區(qū)域內(nèi)隨機(jī)均勻分布，無(wú)人機(jī)所在位置固定高度為6 m.設(shè)定場(chǎng)景中物聯(lián)網(wǎng)設(shè)備與無(wú)人機(jī)之間通信總帶寬為10 MHz，物聯(lián)網(wǎng)設(shè)備發(fā)射功率和噪聲功率分別為30 dBm和-60 dBm.物聯(lián)網(wǎng)設(shè)備需要計(jì)算的任務(wù)數(shù)據(jù)量和完成計(jì)算任務(wù)所需的CPU周期總數(shù)分別設(shè)為2×104和1×109，MEC服務(wù)器的計(jì)算能力設(shè)置為100 GHz.另外，生成或驗(yàn)證1個(gè)簽名、生成或驗(yàn)證1個(gè)MAC分別需要1×106和1×107個(gè)CPU周期，1個(gè)塊所包含的事務(wù)數(shù)不超過(guò)1 500.

另外，參考文獻(xiàn)[23]，本文所提方案與其余3種基線方案進(jìn)行了比較.主要考慮以下4種方案：

1) 頻譜資源分配和計(jì)算資源分配的聯(lián)合設(shè)計(jì)方案.

2) 頻譜資源均勻分配的方案.

3) 計(jì)算資源均勻分配的方案.

4) 頻譜資源和計(jì)算資源均勻分配的方案.

圖2展示了本文方法不同ρ值下的收斂性能.這4個(gè)迭代過(guò)程分別對(duì)應(yīng)ρ=0.800 0、ρ=0.080 0、ρ=0.008 0、ρ=0.000 8.由圖可知，在前20次迭代進(jìn)程中總效用值迅速下降，在第30次迭代后趨于穩(wěn)定，可以看出該算法能夠快速收斂.此外，由仿真結(jié)果可知，ρ值越大，收斂速度越快，并且4個(gè)迭代進(jìn)程最后收斂于相近的效用值.

圖2 不同ρ值下的收斂進(jìn)程

圖3展示了不同方案下迭代次數(shù)與原始可行性容忍度和對(duì)偶可行性容忍度的關(guān)系曲線.由圖可知，隨著閾值參數(shù)的增加，3種方案的迭代次數(shù)都有所減少.因此，閾值參數(shù)的設(shè)置不能過(guò)大，以免在該范圍內(nèi)3種方案無(wú)法在有限的迭代次數(shù)中達(dá)到收斂的效果.此外，可以觀察到本文方法較其他2種方案下降速度小，趨勢(shì)較為穩(wěn)定.

圖4展示了不同方案下目標(biāo)函數(shù)值與數(shù)據(jù)大小的關(guān)系曲線.隨著任務(wù)數(shù)據(jù)量的提升，3種方案的目標(biāo)函數(shù)值逐漸增加.這是因?yàn)閿?shù)據(jù)卸載的時(shí)間消耗隨著數(shù)據(jù)大小的增大而增加，而數(shù)據(jù)卸載的能量消耗也相應(yīng)增加，從而影響了目標(biāo)函數(shù)值.如圖可知，本文方法的目標(biāo)函數(shù)值始終低于其他方案，源于均勻的資源分配無(wú)法實(shí)現(xiàn)MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延的最佳權(quán)衡.頻譜資源均勻分配方法增長(zhǎng)速度遠(yuǎn)遠(yuǎn)大于其余2種方法，這是因?yàn)閿?shù)據(jù)量的大小對(duì)頻譜資源分配的影響較大.

圖4 目標(biāo)函數(shù)值與數(shù)據(jù)大小的關(guān)系

圖5展示了不同方案下目標(biāo)函數(shù)值與無(wú)人機(jī)數(shù)量的關(guān)系曲線.隨著無(wú)人機(jī)數(shù)量的增加，4種方案的目標(biāo)函數(shù)值均逐漸增加.其原因?yàn)橄到y(tǒng)的計(jì)算任務(wù)加重，從而MEC系統(tǒng)消耗的能量增加.在所有曲線中，本文方法的系統(tǒng)目標(biāo)函數(shù)值同樣始終低于其他方案.由圖可知，在這個(gè)范圍內(nèi)，頻譜資源均勻分配方法的性能優(yōu)于其他2種資源均勻分配的方法，這是因?yàn)橛?jì)算資源分配通常對(duì)能耗和時(shí)延的影響較大.

圖5 目標(biāo)函數(shù)值與無(wú)人機(jī)數(shù)量的關(guān)系

圖6 MEC系統(tǒng)能耗與MEC服務(wù)器計(jì)算能力關(guān)系

圖7 區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延與MEC服務(wù)器計(jì)算能力關(guān)系

圖6、7分別展示了不同方案下MEC系統(tǒng)能耗和區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延與MEC服務(wù)器計(jì)算能力的關(guān)系曲線.隨著MEC服務(wù)器計(jì)算能力的增加，MEC系統(tǒng)能耗逐漸增大，區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延逐漸減小，反映了在較高的計(jì)算能力下，區(qū)塊鏈系統(tǒng)性能優(yōu)于MEC系統(tǒng)性能.本文所提方案優(yōu)化指標(biāo)始終低于其他方法，并且計(jì)算資源均勻分配方法產(chǎn)生的系統(tǒng)能耗最大，展示了所提算法良好的優(yōu)化性能.

5 結(jié)論與展望

1) 面向無(wú)人機(jī)輔助的物聯(lián)網(wǎng)場(chǎng)景中頻譜資源分配和計(jì)算資源分配問(wèn)題，提出了一種基于ADMM的資源分配決策方法，將MEC系統(tǒng)的數(shù)據(jù)卸載、數(shù)據(jù)計(jì)算和區(qū)塊鏈系統(tǒng)的數(shù)據(jù)共識(shí)建立為一個(gè)聯(lián)合優(yōu)化問(wèn)題.

2) 通過(guò)聯(lián)合考慮頻譜資源分配和計(jì)算資源分配以實(shí)現(xiàn)MEC系統(tǒng)能量消耗和區(qū)塊鏈系統(tǒng)計(jì)算時(shí)延的最佳權(quán)衡.

3) 相比于已有的資源分配方法，所提方案可有效減少M(fèi)EC系統(tǒng)的總能耗和區(qū)塊鏈系統(tǒng)的計(jì)算時(shí)延，并可根據(jù)實(shí)際需求調(diào)整權(quán)值參數(shù)，獲得更好的系統(tǒng)性能.

4) 未來(lái)的工作將基于本文提出更復(fù)雜的網(wǎng)絡(luò)模型框架，結(jié)合數(shù)據(jù)緩存和無(wú)人機(jī)運(yùn)行軌跡等相關(guān)問(wèn)題進(jìn)一步優(yōu)化.同時(shí)，也將在所提方法中考慮卸載決策等.