本发明属于无人机网络，具体涉及一种面向无人机网络的增强孪生资源匹配与切换方法。
背景技术：
1、近年来，无人机因其巨大的应用潜力而受到广泛关注。无人机网络可广泛应用于雷达制导、环境检测、智慧农业等实际应用场景。由于单个无人机所能支持的飞行距离、续航能力、传感器覆盖范围受限，单无人机能力通常不足以满足任务要求，所以往往需要依靠多个无人机协作来持续进行追踪、搜索、通信等任务，并且在协作过程中无人机间需要持续通信以实现目标信息的共享，提升任务完成效果。
2、无人机之间的协作需要一定的计算资源、通信资源进行支撑，然而无人机自身资源受限，致使实际使用中仅靠无人机自身完成计算的效率较低，所以许多研究利用边缘卸载、联邦学习等手段，降低无人机协作时自身所需完成的计算量，借助第三方的力量快速计算任务。然而，上述所述的机制，难以把无人机飞行的连续数据关联起来，处理同一个无人机的多个任务时，对各个任务间的时间和空间关联也考虑不足，并且对无人机协作过程中巨量的协作通信需求没有缓解，仍需要无人机之间进行大量的协作通信，当无人机数量增多时，这样的协作开销会呈指数级增长，对每个无人机来说都是不菲的消耗。
3、为了提高无人机的协作能力，许多研究引入数字孪生，通过数字孪生来获得无人机的实时、精准的状态信息，再利用第三方的算力对这些状态信息进行复杂的计算、处理，然后将决策返回至无人机，间接地降低无人机的计算量。然而，数字孪生在当前的无人机场景中应用中仅是利用其对物理实体的高还原性、高模拟性，作为验证某种策略的行为推演工具，其本身没有能力自行决策以实现行为进化。
4、最新出现的增强孪生技术，其核心思想是在数字孪生的基础上，为虚拟设备分配超出原设备的计算、通信和存储资源，由此，该虚拟设备不仅具备物理设备自身的基本功能，还可以实现比原物理设备更高的智能与协作能力，因此称为该物理设备的增强孪生体。通过增强孪生，可以将无人机之间的协作完全转移至增强孪生上，通过孪生体间的协作取代无人机间的物理协作，以提升无人机在执行任务时的协同效率与数据分析能力，使得无人机集群可以基于孪生空间中聚合的全局数据以较低的协作开销智能高效完成协作任务。
5、综上所述，可见当增强孪生服务于无人机网络时，对于无人机网络的协作开销减小、任务执行效率提升有巨大的好处。但由于无人机网络具有较高的动态性，为了使增强孪生高效服务于无人机网络，需要为其设计一种高效的资源分配、增强孪生匹配的方案，使得增强孪生获得高效的数据处理、交互能力。
技术实现思路
1、为解决上述技术问题，本发明提供了一种面向无人机网络的增强孪生资源匹配与切换方法，可以降低无人机协作的开销、提高无人机协同决策的智能性，增强无人机网络的整体任务执行能力与效率。
2、本发明采用的技术方案为：一种面向无人机网络的增强孪生资源匹配与切换方法，具体步骤如下：
3、s1、构建面向无人机网络的增强孪生架构；
4、s2、基于步骤s1的增强孪生架构，在初始化阶段的无人机网络增强孪生构建过程中，针对增强孪生与服务器资源的最优匹配问题构建优化模型，通过遗传算法进行优化问题求解，完成增强孪生的初始资源匹配；
5、s3、基于步骤s2，构建基于动态轨迹的增强孪生切换机制，进行增强孪生切换。
6、进一步地，所述步骤s1具体如下：
7、所述增强孪生架构包括：物理空间、增强孪生空间。
8、将无人机网络、底层基础网络、服务器所在的空间称为物理空间；所述物理空间由无人机网络及其所处的环境组成，环境包括：地质、地形、地貌、电磁环境、任务需求与变化，以及无人机及服务器所依赖的基础通信环境，包括：骨干网络，以及无人机接入骨干网的wifi、lora和5g网络、通信车组成的网络。
9、将无人机的增强孪生、增强孪生构成的高效低开销虚拟网络合称为增强孪生空间，每个无人机对应的增强孪生分布在计算资源充足的服务器上；所述增强孪生空间由两层构成：增强孪生所在的增强孪生网络、增强孪生协作构建的虚拟环境。
10、在所述增强孪生架构中，无人机协作相关的通信交互分为物理空间内的数据交互、增强孪生空间内的数据交互。
11、其中，物理空间上仅进行无人机与无人机之间需要的告知类型通信，包括：hello报文、相对定位报文、防碰撞交互报文；增强孪生空间内的数据交互为增强孪生进行的与无人机协作相关的各种任务数据的通信交互，分为：跨承载体的数据交互、同一承载体的数据交互。跨承载体的数据交互表现为物理空间中服务器之间利用底层基础网络进行的高速通信；同一承载体的数据交互表现为物理空间中服务器内进行的进程间高速数据调度。
12、进一步地，所述步骤s2具体如下：
13、s21、构建无人机场景；
14、设定由搭载服务器的通信车提供临时的无线通信能力以协助无人机完成任务，m个无人机组成无人机网络，协同执行预定任务，n个服务器分布在地面，无人机之间协作进行多目标追踪任务。
15、无人机集合表示为u＝{u1,u2,...,um}，服务器构成集合s＝{s1,s2,...,sn}，无人机对应的增强孪生集合表示为v＝{v1,v2,...,vm}。每个无人机ui(i＝1,...,m)都在某个通信车上的服务器sj(j＝1,...,n)内构建其增强孪生vi(i＝1,...,m)，无人机ui通过无线通信保持与增强孪生vi的连接并按更新同步周期t更新数据。
16、其中，t为常量，其大小为单个时隙长度的倍数，倍数大小可根据网络动态性设定。
17、设定无人机追踪目标的过程持续u个周期，则无人机与增强孪生更新同步的起始时间点可组成集合tu＝{t1,t2,...,tu}，其中任意两个相邻时间点相差的时间长度为更新同步周期t的大小，即
18、其中，无人机拥有一个通信链路用于与增强孪生的数据下行以及无人机之间告知类型消息的交互，服务器具有两个通信链路，一条低速链路用于与无人机的通信，一条高速链路用于服务器间的数据共享与传输，且包括增强孪生之间的跨承载体通信。
19、设定无人机集群以固定高度h飞行，定义有f个移动目标，目标集合为k＝{k1,k2,...,kf}，第tw个更新同步周期时，目标kl(l＝1,...,f)的位置坐标为无人机ui的位置坐标为服务器sj的位置坐标为
20、无人机ui在初始位置的坐标表示为则可得：
21、
22、第tw个更新同步周期时，定义无人机ui的位置与服务器sj之间的距离为zi,j[tw]，则得到：
23、
24、s22、构建增强孪生初始化资源匹配优化模型；
25、使用0-1矩阵表示无人机的增强孪生的构建位置，即无人机与服务器的匹配关系，表示第tw个更新同步周期时内无人机ui的增强孪生建立在服务器sj上，表示第tw个更新同步周期时内无人机ui的增强孪生没有建立在服务器sj上。且同一周期内，增强孪生只能建立在唯一的一个服务器上，则可得：
26、
27、(1)计算资源；
28、oi[tw]表示第tw个更新周期中不同无人机感知并需传输至增强孪生的数据量；无人机ui的原始计算资源为第tw个更新周期中服务器sj可以分给无人机ui的增强孪生的计算资源记为第tw个更新周期中所有无人机与服务器匹配后增强孪生分得的计算资源集合可用表示。服务器分配给无人机的计算资源应超过无人机的原始计算资源，且每个增强孪生分配的计算资源之和不能超过其承载体上能够用于增强孪生构建及应用的资源cj(j＝1,...,n)，表达式如下：
29、
30、
31、(2)增强孪生匹配时延；
32、增强孪生匹配同步时延由无人机到增强孪生的通信时延、增强孪生处理构建数据的计算时延组成。
33、a)通信时延；
34、设定无人机ui的信号传输速度ri，传输范围为li，传输距离过大时会多跳传输，当无人机分布较为均匀时，利用路由算法得到第tw个更新周期时无人机ui到服务器sj的通信跳数，记为pi,j[tw]。
35、设定无人机ui与服务器sj的通信连接状况可用0-1矩阵表示。当通信连接状态断开时状态连接时为第tw个更新周期时，若通信连接良好时，得到第tw个更新周期中无人机ui与增强孪生vi所属的服务器sj的多跳通信时延表达式如下：
36、
37、当通信连接断开时，通信时延为无限大，表达式如下：
38、
39、b)计算时延；
40、第tw个更新同步周期内增强孪生处理同步数据的计算时延由增强孪生分配得到的计算资源及所需处理的数据量决定，表达式如下：
41、
42、c)匹配同步时延；
43、增强孪生匹配同步时延为通信时延、计算时延之和，单个增强孪生同步时延表达式如下：
44、
45、(3)增强孪生初始化资源匹配优化模型；
46、在0时刻，即tw＝0时，进行增强孪生的初始化资源匹配。增强孪生的初始化资源匹配应在满足时延最优的情况下求解出增强孪生构建的匹配情况及每个孪生分得的计算资源，表达式如下：
47、
48、s23、基于遗传算法的资源匹配优化算法，求解优化问题；
49、以染色体代表无人机与服务器的增强孪生匹配关系，多次基于遗传算法进行种群进化，直到达到迭代次数，并输出其中所产生的最优的增强孪生匹配关系，具体如下：
50、1)编码；
51、将m个无人机与n个服务器对应的增强孪生匹配关系抽象为长度m×n的染色体xg，每位的取值范围为0-1变量，染色体的取值需要满足式(3)。
52、2)增强孪生可行解初始群体设计；
53、首先采用随机的方法进行种群初始化，得到的种群需要满足式(10)中提到的限制条件，且初始化时需要满足群体的最大增强孪生匹配时延小于某一个设定的门限值，使初始的结果较为聚集并合理。
54、然后得到一个在此基础上全局的m×n的匹配时延矩阵，作为遗传算法初始的结果依据矩阵。
55、其中，种群的初始个数pg的选择根据实际情况设定。
56、3)适应度函数计算；
57、求解当前染色体中服务器构建增强孪生的时延的最小值，则适应度函数应为最大孪生匹配构建时延的相反数，根据式(9)可得到染色体xg的适应度函数：
58、
59、4)选择策略；
60、利用轮盘赌选选择下一次迭代的父本和母本，适应度高的染色体被先选中概率大，即在所有染色体的适应度之和里占比大，染色体xg被选中的概率如下：
61、
62、5)染色体交叉；
63、父本、母本将会进行交叉，染色体上的交叉是随机进行的，但当染色体上每一个数字的编码遵循数组编码{0,1,...,nm}时，每条染色体中进行交叉的起止点的编码序号χ应为服务器数量n的整数倍，即可以与n取模的余数为0：
64、(χ+1) mod n＝0 (13)
65、在此步中需算出每个服务器当前的资源容量，如果超过容量限制，应该重新进行交叉，直至得到满足资源限制的新种群，得到新种群后再次进行步骤3)所述的适应度计算。
66、最后判断目前迭代次数是否达到预先设定的次数，若未达到则重复进行上述步骤4)-5)部分的内容；当在迭代次数达到预先设定的次数时，得到收敛的全局最优解，此时选择适应度最高的结果作为优化问题的求解结果，最终完成增强孪生承载体的初始化匹配。
67、进一步地，所述步骤s3具体如下：
68、s31、承载体环境参数获取，根据具体应用场景获得无人机ui未来αt周期的移动轨迹；
69、其中，α表示一个整数，用于调整增强孪生两次资源切换间的时间间隔，可根据实际网络动态变化速度取值。
70、s32、增强孪生切换判断；
71、根据移动轨迹获得无人机ui可切换的服务器集合，比较每个服务器的切换总时延后，得到可以提供最小的切换总时延的服务器sci[tw]的取值；当无人机ui得到的服务器序号不是原有承载体的编号j，即sci[tw]≠j时进行切换；当无人机ui得到的服务器序号是原有承载体的编号j，即sci[tw]＝j时不进行切换；
72、s33、实行切换；
73、其中，进行切换时需要进行增强孪生运行的历史数据的切换与新承载体对增强孪生历史数据的处理。
74、进一步地，所述步骤s3中，所述步骤s32的增强孪生切换判断具体如下：
75、当前更新同步周期tw的取值满足αt的倍数时，即tw％αt＝＝0时启动切换机制。
76、首先，根据未来αt内无人机ui的位置，得到大小为m×n的可放置增强孪生的服务器集合e
77、其中，任意元素ei,z的取值为0或1，ei,z＝1时表示未来αt周期内无人机ui可以将增强孪生建立在服务器sz上。
78、设定无人机原始的增强孪生承载体为服务器sj，若j＝z则表示未来的αt周期内无人机ui的增强孪生仍可以建立在原有承载体上；若j≠z则表示未来的αt周期内无人机ui的增强孪生可以切换建立在承载体sz上。
79、在得到未来αt内无人机ui可放置增强孪生的服务器集合后，得到未来αt周期内无人机ui到服务器sz的总通信时延：
80、
81、总计算时延为：
82、
83、当无人机ui的可选承载体sz不是原有承载体sj即j≠z时，无人机ui的增强孪生需要将历史的数据转移至服务器sz上，同时产生数据转移的通信时延。设定原有服务器sj到切换服务器的通信速率为rj,z，则切换的通信时延为：
84、
85、则更新同步周期时，无人机ui到服务器sz的切换总时延如下：
86、
87、设定更新同步周期时，无人机ui通过切换机制得到的承载体的编号为sci[tw](i＝1,...,m)，sci[tw]的取值为对应的服务器编号即1≤sci[tw]≤n。则服务器sci[tw]的取值为无人机ui的可切换服务器集合中提供最小切换总时延的服务器编号，可得：
88、
89、最终得到无人机ui的增强孪生在未来αt周期内的所属服务器sci[tw]，当sci[tw]＝j时，无人机ui的增强孪生不会进行承载体切换；当sci[tw]≠j时，无人机ui的增强孪生将会从服务器sj切换至承载体上。
90、本发明的有益效果：本发明的方法在无人机网络中引入增强孪生技术，提出面向无人机网络的增强孪生架构、基于初始资源分布的增强孪生资源匹配方法、基于动态轨迹的增强孪生切换机制，实现无人机间的高效、低开销协作。本发明方法考虑无人机网络具有的高动态特征，不同于普通物联网的静态环境，无人机的移动会导致环境出现难以预知的变化，如网络拓扑变化导致的连通性改变、环境改变导致的通信受阻、飞行到较远位置导致与增强孪生通信开销过大等问题，都会降低增强孪生为无人机提供的增强能力，由此本发明不仅考虑了无人机于初始位置的高效增强孪生匹配方案，还考虑到无人机移动导致的与增强孪生通信时延过长、通信断开问题，设计了一种动态环境中的增强孪生切换方法。本发明的方法提升动态环境中增强孪生的适配能力，有效降低了无人机与增强孪生周期交互的时延开销，使得执行相关任务的无人机可以快速通过承载体进行频繁的协作通信、复杂的协作计算，大大降低了无人机的协作相关的通信开销，提高无人机协同决策的智能性，减少了无人机的计算负担，还大大提升了计算的效率，间接增强无人机的计算资源，对于增强无人机网络的整体任务执行能力与效率，具有重要的意义。
1.一种面向无人机网络的增强孪生资源匹配与切换方法，具体步骤如下：
2.根据权利要求1所述的一种面向无人机网络的增强孪生资源匹配与切换方法，其特征在于，所述步骤s1具体如下：
3.根据权利要求1所述的一种面向无人机网络的增强孪生资源匹配与切换方法，其特征在于，所述步骤s2具体如下：
4.根据权利要求1所述的一种面向无人机网络的增强孪生资源匹配与切换方法，其特征在于，所述步骤s3具体如下：
5.根据权利要求4所述的一种面向无人机网络的增强孪生资源匹配与切换方法，其特征在于，所述步骤s3中，所述步骤s32的增强孪生切换判断具体如下：
