1.一种无人机辅助移动边缘计算的调度优化方法，其特征在于，包括：S1：构建移动边缘计算系统的卸载模型，所述模型包括一个无人机和若干个用户设备；

S2：根据移动边缘计算系统的卸载模型，获得计算任务的能耗；

S3：以用户设备的平均能耗最小化为目标，建立联合无人机轨迹和用户设备调度的优化问题；

S4：将所述优化问题转化为马尔科夫决策过程，定义移动边缘计算系统卸载模型的状态空间、动作空间和回报函数；

S5：基于SAC算法构建深度神经网络，利用状态空间、动作空间和回报函数对深度神经网络进行训练，获得训练好的深度神经网络；

构建的深度神经网络包括经验缓冲区、Actor网络、第一Critic网络、第二Critic网络、第一Critic目标网络和第二Critic目标网络；

在每个时隙中，Actor网络的输入为当前状态s(t)，输出相应的当前动作a(t)，得到当前调度策略πφ；第一Critic网络和第二Critic网络的输入均为当前状态s(t)和当前动作a(t)，分别输出Q值；无人机执行当前动作a(t)后，生成新状态s(t+1)，并获得当前回报r(t)，将[s(t),a(t),r(t),s(t+1)]储存在经验缓冲区中；第一Critic目标网络和第二Critic目标网络分别作为第一Critic网络、第二Critic网络的副本，设置目标函数，选择两个Q值中较小的Q值来计算目标值，用于更新第一Critic网络、第二Critic网络的网络参数；该时隙结束时根据当前调度策略对Actor网络和Critic网络的网络参数进行实时更新，从经验缓冲区中随机采样对Critic目标网络的网络参数进行更新；

S6：利用训练好的深度神经网络进行调度优化，获得最优调度策略，即无人机飞行轨迹和用户设备的选择策略。

2.根据权利要求1所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S1中，构建的移动边缘计算系统的卸载模型具体为：移动边缘计算系统的卸载模型包括单个无人机和N个用户设备，无人机最多同时服务K个用户设备，每个用户设备选择将计算任务由本地计算或者卸载至无人机计算；设定无人机的飞行区域的长度和宽度分别为Xmax和Ymax，无人机在固定高度h以v(t)恒定速度飞行，天线发射角度为θ，飞行最大速度为vmax；无人机的飞行时间为T个时隙，每个时隙长度为τ，在任意时刻完成计算任务的时间不能超过最大时延Tmax；

将无人机的坐标表示为[X(t),Y(t),h]，用户设备的坐标表示为[xi(t),yi(t),0]，i∈h{1,2,…,N}；设定无人机在t时刻的飞行距离和水平方向角度分别为d(t)和θ (t)，则X(t)h h＝X(t‑1)+d(t)cos(θ (t))，Y(t)＝Y(t‑1)+d(t)sin(θ (t))；无人机的最大覆盖范围为Rmax＝h·tan(θ)，飞行速度为定义t时刻的计算任务为：

Ii(t)＝{Di(t)，Fi(t)}

式中，Di(t)表示选择卸载计算t时刻的计算任务时的数据传输量，Fi(t)表示完成t时刻的计算任务所需的计算能力；

定义αi(t)∈{0,1}表示用户设备的选择策略，αi(t)＝0时表示t时刻的计算任务本地计算，αi(t)＝1时表示t时刻的计算任务卸载计算。

3.根据权利要求2所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S2中，根据移动边缘计算系统的卸载模型，获得计算任务所消耗的能量包括：用户设备选择卸载计算，即αi(t)＝1；此时该用户设备与无人机的水平面上的距离为：则卸载计算时上行链路速率为：

Tr

式中，B表示通信信道的平均带宽，P 表示用户设备数据卸载的传输功率，ρ表示传输功率系数；

用户设备传输计算任务的时间开销为：

无人机处理计算任务的时间开销为：

U

式中，f(t)表示无人机的计算能力；

则用户设备选择卸载计算的总时间开销为：

用户设备选择卸载计算的能耗为：

式中， 表示第i个用户设备选择卸载计算的能耗。

4.根据权利要求3所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S2中，根据移动边缘计算系统的卸载模型，获得计算任务所消耗的能量还包括：用户设备选择本地计算，即αi(t)＝0；

用户设备处理计算任务的时间开销为：

式中， 表示用户设备的计算能力；

将用户设备的功耗设定为 则用户设备选择本地计算的能耗为：

式中，ki为第一常数，vi为第二常数。

5.根据权利要求4所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S3中，以用户设备的平均能耗最小化为目标，建立联合无人机轨迹和用户设备调度的优化问题，具体为：定义飞行动作 集合 用户设备 调度策略集合

则优化问题P表示为：

其中，Ei(t)表示用户设备的能耗，当αi(t)＝1时， 当αi(t)＝0时，表示约束无人机最多同时服务K个用户设备，αi(t)Si(t)≤Rmax表示约束选择卸载计算的用户设备在无人机的最大覆盖范围中。

6.根据权利要求5所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S4中，设计的移动边缘计算系统卸载模型的状态空间和动作空间具体为：在移动边缘计算系统的卸载模型中，无人机与用户设备相当于一个智能体，在每个时隙，智能体从环境中观测获得当前状态s(t)，当前状态s(t)对应当前动作a(t)，无人机执行动作空间中的当前动作a(t)，与环境进行交互，环境返还当前回报r(t)和新状态s(t+1)；

对于状态空间，在每个时隙中，用户设备的位置是固定的，只需考虑无人机的位置信息；以及每个飞行周期结束，无人机都需到达特定目的地，设定无人机与特定目的地的距离′为d(t)，则状态空间中，当前状态表达式为s(t)＝{X(t),Y(t),h,d′(t)}；

h

对于动作空间，根据无人机飞行距离d(t)和水平方向角度θ (t)，计算无人机下一时刻的位置坐标[X(t+1),Y(t+1),h]，以及用户设备的选择策略，则动作空间中，当前动作表达h式为a(t)＝{θ(t),d(t),αi(t)}。

7.根据权利要求6所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S4中，设计的移动边缘计算系统的卸载模型的回报函数具体为：回报函数用于评估智能体在当前状态下采取的动作的好坏，具体为：r(t)＝Rerengy+Rdes+Pout+Pspeed式中，r(t)表示当前回报，Rerengy表示优化问题的回报，Rdes表示无人机飞回特定目的地′的回报，Rdes＝k/d (t)，k为奖励因子；Pout表示无人机飞出飞行区域的惩罚，Pspeed表示无人机飞行超速的惩罚。

8.根据权利要求7所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，所述步骤S5中，Actor网络的损失函数为：第一Critic网络和第二Critic网络的损失函数为：

第一Critic目标网络和第二Critic目标网络的目标函数为：式中，φ表示Actor网络的网络参数，θi表示第i个Critic网络的网络参数， 表示第i个Critic网络的Q值；i＝1时，θ1表示第一Critic网络的网络参数， 表示第一Critic网络的Q值；i＝2时，θ2表示第二Critic网络的网络参数， 表示第二Critic网络的Q值； 表示根据当前调度策略πφ计算获得的新动作；表示目标值，α表示熵正则化系； 表示第i个Critic目标网络的Q值，i＝1时， 表示第一Critic目标网络的Q值， 表示第二Critic目标网络的Q值。

9.根据权利要求8所述的无人机辅助移动边缘计算的调度优化方法，其特征在于，构建的深度神经网络的最优调度策略表达式为：式中，π*表示最优调度策略，α表示熵正则化系数，πφ表示调度策略，γ表示折扣因子；H表示熵，计算方法为：H(πφ(·∣s(t)))＝E[‑logπφ(·∣s(t))]。

10.一种无人机辅助移动边缘计算的调度优化系统，其特征在于，包括：模型构建模块，用于构建移动边缘计算系统的卸载模型，所述模型包括一个无人机和若干个用户设备；

能耗计算模块，根据移动边缘计算系统的卸载模型，获得计算任务的能耗；

优化问题建立模块，用于以用户设备的平均能耗最小化为目标，建立联合无人机轨迹和用户设备调度的优化问题；

优化问题转化模块，用于将所述优化问题转化为马尔科夫决策过程，定义移动边缘计算系统卸载模型的状态空间、动作空间和回报函数；

网络构建训练模块，基于SAC算法构建深度神经网络，利用状态空间、动作空间和回报函数对深度神经网络进行训练，获得训练好的深度神经网络；

构建的深度神经网络包括经验缓冲区、Actor网络、第一Critic网络、第二Critic网络、第一Critic目标网络和第二Critic目标网络；

在每个时隙中，Actor网络的输入为当前状态s(t)，输出相应的当前动作a(t)，得到当前调度策略πφ；第一Critic网络和第二Critic网络的输入均为当前状态s(t)和当前动作a(t)，分别输出Q值；无人机执行当前动作a(t)后，生成新状态s(t+1)，并获得当前回报r(t)，将[s(t),a(t),r(t),s(t+1)]储存在经验缓冲区中；第一Critic目标网络和第二Critic目标网络分别作为第一Critic网络、第二Critic网络的副本，设置目标函数，选择两个Q值中较小的Q值来计算目标值，用于更新第一Critic网络、第二Critic网络的网络参数；该时隙结束时根据当前调度策略对Actor网络和Critic网络的网络参数进行实时更新，从经验缓冲区中随机采样对Critic目标网络的网络参数进行更新；

调度优化模块，利用训练好的深度神经网络进行调度优化，获得最优调度策略，即无人机飞行轨迹和用户设备的选择策略。