1.一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，包括以下步骤：

101、采用差分进化算法构建优化模型，设无人机数量为K，种群个体数量为M，M≤K！，变异缩放因子为ε，交叉概率为λ，最大迭代次数为G，令迭代计数变量g＝0，种群个体计数变量m＝0，利用k‑means算法产生第g代种群中M个个体的无人机群3D位置向量集{Dg,m|m≤M}；

102、如果g≤G，转到步骤103，否则，跳转到步骤107；

103、令m＝m+1，如果m≤M，根据当前无人机群位置向量Dg,m，通过无人机网络服务功能链SFC部署算法获得节点映射决策Ag,m、链路映射决策Bg,m和资源分配决策Cg,m，计算获得目标函数值Γ(Ag,m,Bg,m,Cg,m,Dg,m)，跳转到步骤104，否则，转到步骤106；

104、对Dg,m进行变异和交叉操作，获得变异交叉后的无人机群位置向量 通过无人机网络SFC部署算法获得第g代第m个变异交叉个体的节点映射决策 链路映射决策和资源分配决策 计算获得目标函数值

105、如果 令

跳转到步骤103，否则，跳转到步骤103；

106、从第g代种群的M个个体{Dg,m|m≤M}中选择获得最优个体的解(Ag,Bg,Cg,Dg)＝argmin{Γ(Ag,m,Bg,m,Cg,m,Dg,m)|m∈[1,M]}，其中，Ag，Bg，Cg，Dg分别为第g代种群中最优的节点映射决策、链路映射决策、资源分配决策以及无人机群位置向量，令g＝g+1，m＝0，跳转到步骤102；

* * * *

107、从总共G代种群中选择获得最优个体的解(A ,B ,C ,D)＝argmin{Γ(Ag,Bg,Cg,Dg)* * * *|g∈[1,G]}，其中，A ，B ，C ，D 分别为全局最优的节点映射决策，链路映射决策，资源分配决策，以及无人机群位置向量，结束。

2.根据权利要求1所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤101中利用k‑means算法产生第g代种群中M个个体的无人机群3D位置向量集{Dg,m|m≤M}的方法具体包括：设无人机j的3D位置向量为Dg,m(j)＝(xj,yj,zj)，无人机群位置向量Dg,m＝{Dg,m(j)|j∈J}，其中，(xj,yj)、zj分别表示无人机j的水平坐标和垂直坐标，J为无人机集合，种群个体计数变量m≤M，种群迭代次数g≤G，令g＝0，根据地面用户的位置分布，利用k‑means算法寻找K个聚类中心，通过将K个携带不同VNF类型的无人机随机部署到K个聚类中心上，产生M个个体的无人机群3D位置向量集{Dg,m|m≤M}，其中，种群个体数量M≤K！。

3.根据权利要求1所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤103和步骤104中无人机网络SFC部署算法包括以下步骤：max

1)建立临时集合I′＝I，其中，I为地面用户集合，根据每个用户i任务容忍时延Ti 的值，对集合I′中的元素升序排列；

2)如果 从集合I′中取出第一个用户i，根据用户i的任务卸载请求，将用户i所需虚拟网络功能VNF依次放入集合Si，跳转到步骤3)，否则，跳转到步骤9)；

3)将无人机集合J中满足用户i接入条件的无人机添加到接入无人机集合 如果跳转到步骤4)，否则，跳转到步骤2)；

4)如果 中不存在满足SFC第一个VNF类型要求的无人机，跳转到步骤5)，否则，从集合中移除所有不满足SFC第一个VNF类型要求的无人机，跳转到步骤8)；

5)根据用户i与无人机j的通信距离，对集合 中的元素升序排列，取出J′中第一架无a人机j，令用户i的接入无人机j＝j；

a

6)根据接入无人机j 和无人机网络状态，构建用户i所需SFC的映射决策{Ai,Bi}，如果成功，跳转到步骤7)，否则，跳转到步骤2)；

7)根据映射决策{Ai,Bi}和无人机网络状态，构建用户i所需SFC的资源分配决策{Ci}，跳转到步骤2)；

8)根据集合 中每架无人机j的可用计算资源cj的值，对集合 中的元素降序排列，根据用户i与无人机j的通信距离，对其中具有相同cj值的元素升序排列，取出 中第一架无a人机j，令用户i的接入无人机j＝j，跳转到步骤6)；

9)对集合J中可用计算资源cj＞0的每架无人机j，轮流为无人机j上每个VNF实例增配最小单位计算资源并更新资源分配决策{Ci}，直到cj＝0；

10)输出SFC部署决策{A,B,C}＝{Ai,Bi,Ci|i∈I}，算法结束。

4.根据权利要求3所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤6)中构建用户i所需SFC的映射决策{Ai,Bi}的方法如下：t a

11)初始化临时变量j＝j，临时集合J′＝J， 计数变量n＝0，l＝0；

12)令n＝n+1，将J′中满足SFC第n个VNF类型要求且可用计算资源cj＞c0的无人机加入集合J″，其中，c0表示VNF实例化所需基础计算资源，更新集合J″中每架无人机的节点映射代价τj；

13)如果 根据τj的值，将集合J″中的元素升序排列，取出J″中第一架无人机j作t为第n个VNF映射节点加入节点映射决策Ai，将无人机j到无人机j之间的最小代价通路t作为第l条虚链路加入链路映射决策Bi，令j＝j，从集合J′中移除j，跳转到步骤14)，否则，跳转到步骤15)；

14)如果n＜|Si|，令l＝l+1， 跳转到步骤12)，否则，输出用户i的映射决策{Ai,Bi}，跳转到步骤15)；

15)算法结束。

5.根据权利要求4所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤12)中无人机的节点映射代价τj的计算方法如公式(1)所示：公式(1)中，0≤α≤1， 表示无人机j的归一化可用计算资源，如公式(2)所示， 表示通路 的归一化距离，如公式(3)所示。

6.根据权利要求3所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤7)中构建用户i所需SFC的资源分配决策{Ci}的方法包括以下步骤：

21)根据节点映射决策Ai，将映射节点加入临时集合J′，并为J′中每架无人机分配VNF实例化所需基础计算资源c0，令cj＝cj‑c0根据链路映射决策Bi，将虚链路所需带宽bi加入资源分配决策Ci，并获得用户i卸载路径的传输总时延 其中， 为任务数据通过卸载路径上每条物理链路的传输时延累和，令计数变量n＝0；

22)令临时集合J″＝J′，对集合J′中的每架无人机j，根据用户i提出的任务卸载请求，计算无人机j需为用户i分配的任务计算资源 并加入资源分配决策Ci，令max

23)如果任务计算时延 其中，Ti 为用户i的任务容忍时延，跳转到步骤24)，否则，输出资源分配决策Ci，跳转到步骤25)；

24)将cj＝0的无人机从集合J″中移除，如果 根据cj的值，对集合J″中的元素降序排序，对J″中的第一架无人机j，为用户i的VNF实例增配一个单位计算资源c1并更新资源分配决策Ci，令cj＝cj‑c1，跳转到步骤23)，否则，跳转到步骤25)；

25)算法结束。

7.根据权利要求6所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤22)中计算无人机j需为用户i分配的任务计算资源 的方法，如公式(4)所示：公式(4)中，ui表示用户i的任务数据量，wi表示用户i的任务复杂度。

8.根据权利要求6所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤23)中任务计算时延 的计算方法，如公式(5)所示：

9.根据权利要求3所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤103、步骤104、步骤105、步骤106和步骤107中目标函数的定义，如公式(6)所示：公式(6)中，(A,B ,C ,D)的表现形式为(Ag,m ,Bg,m ,Cg ,m ,Dg ,m)或或(Ag,Bg,Cg,Dg)或(A*,B*,C*,D*)，其中，0≤β≤1，ψ表示系统任务完成率，表示归一化系统单位任务时延。

10.根据权利要求1所述的一种基于多功能任务卸载的无人机网络SFC部署方法，其特征在于，所述步骤104中对无人机群位置向量Dg,m进行变异和交叉操作的方法如下：

1)变异操作：根据公式(7)，通过对个体Dg,m中无人机j的位置向量Dg,m(j)进行变异处理，得到变异位置向量 从而获得变异个体公式(7)中，ξ1，ξ2，ξ3是[1,M]范围内随机产生的整数，其中，ξ1≠ξ2≠ξ3≠m；

2)交叉操作：根据公式(8)，通过对个体Dg,m中无人机j的位置向量Dg,m(j)进行交叉处理，得到交叉位置向量 从而获得交叉个体公式(8)中，rand(0,1)是(0,1)范围内产生的随机数。