1.基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，包括步骤：S1、将无人机作为多个设备的边缘服务器，对每个设备采用二元计算任务卸载策略，设备为地面物联网设备；

S2、在每个设备的最大能量约束条件下，以最大化所有设备中计算吞吐量的最小值η为目标，联合优化无人机轨迹Q以及每个设备的卸载模式选择X、CPU频率F，构建原始问题模型；原始问题模型表示为：(P1)：

‖q[n+1]‑q[n]‖≤Vmaxδt,n＝1,...,N‑1,     (6)q[1]＝q[N],                  (7)其中，每个时间周期T离散成N个长度为δt的时隙；xk[n]∈{0,1}为K个设备中第k个设备sk的卸载指示变量，式(2)表示若设备sk在时隙n内将任务卸载到无人机，则xk[n]＝1，否则xk[n]＝0；Rk[n]表示时隙n从设备sk到无人机的可达速率； 表示时隙n中设备sk本地计算的比特数，fk[n]为设备sk在n时刻的CPU频率，Ck为设备sk计算1比特输入数据所需的CPU时钟数；式(3)表示每个时隙最多有一台设备将任务卸载给无人机；式(4)表示对于任意的设备，每个时隙的fk[n]均不大于其最大CPU频率 式(5)表示设备sk的能耗不超过其最大能量约束 表示设备sk的通信相关能耗，P为设备sk的发射功率，表示设备sk的计算相关能耗，κk为设备sk的任务计算的有效电容系数，取决于设备sk处理器的芯片架构；式(6)表示无人机在每一时隙的飞行速度不大于其最大飞行速度 表示无人机以固定高度H在空中飞行时随时间变化的水平坐标，无人机在时隙n及下一时隙n+1的水平坐标分别表示为q[n]、q[n+1]；式(7)表示无人机应在时间范围T结束时q[N]返回其初始位置q[1]；

S3、对原始问题模型进行求解，得到在每个时间周期T内的无人机路径；

步骤S3具体包括步骤：

S31、基于惩罚逐次凸逼近方法对原始问题模型进行优化；

S32、基于差分凸函数优化框架对优化后的原始问题模型进行迭代求解。

2.根据权利要求1的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，步骤S31具体包括步骤：S311、引入一个惩罚项使得当X的值不是二元整数解时惩罚目标函数，由此将原始问题模型转化为问题：其中的λ＞＞1是惩罚因子；

S312、引入松弛变量 将问题(P2)改写成：

3.根据权利要求2的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，步骤S32具体包括步骤：S321、将式(10)中的非凸项xk[n]yk[n]和‑xk[n]fk[n]用差分凸函数分别表示为多个凸项的组合；

2

S322、在给定的局部点 和 对组合中凸项(xk[n]+yk[n]) 和进行一阶泰勒近似，得到非凸项xk[n]yk[n]和‑xk[n]fk[n]的下界；

S323、对目标函数中的 项应用一阶泰勒近似，得到目标函数的下界；

S324、得到Rk[n]的下界；

S325、通过步骤S322～S324得到的下界将问题(P3)近似为具有线性目标函数和凸约束集的标准凸优化问题(P4)；

S326、通过对在第r次迭代时更新的给定可行点 依次求解(P4)从而得到问题(P3)的解。

4.根据权利要求3的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，在所述步骤S321中，非凸项xk[n]yk[n]用差分凸函数表示为：非凸项‑xk[n]fk[n]用差分凸函数表示为：

5.根据权利要求4的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，在所述步骤S322中，非凸项xk[n]yk[n]的下界表示为：非凸项‑xk[n]fk[n]的下界表示为：

6.根据权利要求5的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，在所述步骤S323中，目标函数的下界表示为：在所述步骤S324中，Rk[n]表示为：其中，B是以赫兹为单位的信道带宽， 是1米处的接收信噪比，α≥2是路径损耗2

指数，β0是平均信道功率在d0＝1m处的增益，σ表示在无人机接收器处的噪声功率，P表示设备sk的发射功率， 表示设备sk的水平位置坐标；

Rk[n]的下界表示为：

其中

7.根据权利要求6的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于：在步骤S325中，标准凸优化问题(P4)表示为：(P4)：

式(4)～(7),(8)。

8.根据权利要求7的基于无人机二元卸载边缘计算的系统吞吐量最大化方法，其特征在于，所述步骤S326具体包括步骤：

1)初始化 且设r＝0；

2)给定局部点 求解凸优化问题(P4)以获得最优解

3)更新第r次迭代的局部点：

4)更新r＝r+1；

5)重复步骤2)～4)直到问题(P3)的目标值收敛。