1.一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，包括：步骤1：获取地面用户的位置信息，其中，地面用户的数量为K，地面用户的集合表示为对于任意的地面用户sk的水平位置坐标为步骤2：根据每个地面用户的位置信息，采用聚类算法对地面用户聚类，生成M个簇；

步骤3：为每个簇设置一个无人机UAV，每个UAV配备一个空中边缘服务器，以执行簇中地面用户卸载过来的DL任务，其中，每个地面用户与关联的UAV之间的信道为正交通信信道，每个sk产生Nk个DL任务，每个DL任务包含多个子任务，UAV集合表示为步骤4：通过联合优化子任务卸载策略和UAV位置部署，从而使得所有的DL任务的最大完工时间最小化；

步骤5：采用优化后的子任务卸载策略和UAV位置部署结果，对子任务进行卸载以及对无人机的位置进行部署，步骤4中的优化问题，记为P1，用公式表示为：其中，

C1‑C5表示五个约束条件；

表示由地面用户sk生成的第n个DL任务，表示所有的DL任务的集合，即

表示DL任务 的产生时间；

表示DL任务 的可容忍延迟；

表示DL任务 的DAG结构；

是DL任务 的子任务集合，每个子任务对应于深度神经网络的某一层， 表示集合 中元素的个数，即 的子任务的总个数L；

为边集，表征了DL任务 的子任务之间的依赖关系，数据流边 表示子任务 是子任务 的父任务，即子任务 依赖于子任务表示无人机部署， 表示无人机um的水平位置；

表示子任务卸载策略，xkmnl∈{0,1}，xkmnl＝1表示子任务 将被卸载到无人机um上处理，xkmnl＝0则表示子任务 在用户sk本地执行；符号 所在的式子为定义式；

qi和qj表示任意两个无人机ui和uj的水平位置；

dmin表示任何两架无人机之间应该保持的最小安全距离；

表示任务 中所有子任务的最大完成时间；

表示子任务 的完成时间；

表示子任务 在设备d上的开始时间，设备d为地面用户sk或无人机um，由子任务 是否需要被卸载来决定；

表示子任务 所需的计算时间；

所述DAG结构为有向无环图结构，DL任务为深度学习任务。

2.根据权利要求1所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于， 通过下式计算：其中， 表示子任务 所需的FLOP次数，FLOP次数为浮点运算次数，fk和fm分别表示地面用户sk和无人机um的计算能力，即每秒浮点运算次数；

，

其中， 表示子任务 传输到设备d上的传输延迟， 表示子任务在设备d的计算队列中的排队延迟。

3.根据权利要求2所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，传输延迟 依赖于子任务 依赖的子任务 在设备d′上的完成时间子任务 在传输队列的等待时间 以及子任务 生成的输出结果数据发送到子任务 的执行设备所需的时间 即其中，子任务 依赖子任务 即子任务 是子任务 的一个父任务，表示子任务 的所有父任务的集合，设备d′为地面用户sk或无人机um，由子任务 是否被卸载来决定；

表示具有本地依赖的卸载执行，即，当 时，表示子任务 被卸载到UAV上，而其依赖的子任务 在本地执行，否则 xkmnl′表示子任务 是否被卸载到UAV；

表示子任务 生成的输出结果数据从地面用户sk传输到无人机um的上行传输时长；

， 表示由子任务 生成的输出结果数据的大小， 表示地面用户sk将任务卸载到无人机um时的上行速率；

表示具有卸载依赖的本地执行，即，当 时，表示子任务 在本地执行，而其依赖的子任务 被卸载到UAV上，否则表示将子任务 生成的输出结果数据从无人机um传输到地面用户sk的下行传输时长；

， 表示地面用户sk从无人机um下载数据时的下行速率；

表示子任务 在设备d′的传输队列 中获取信道资源的排队延迟，和 表示由地面用户sk′生成的第n′个DL任务中的第i和第j个子任务；

表示传输子任务 之前，设备d′的传输队列 中的数据流边集合，其中，传输子任务 之前的设备d′的传输队列 也记为表示子任务 传输到设备d′上的传输延迟；

排队延迟 用公式表示为：

其中， 表示子任务 在设备d上的完成时间， 表示设备d在计算子任务 之前，设备d的计算队列 中的子任务集合，其中，在计算子任务 之前，设备d的计算队列 也记为 表示由地面用户sk′生成的第n′个DL任务中的第l′个子任务。

4.根据权利要求3所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，所述方法还包括步骤4中的P1问题转化为两个子问题，即子任务卸载决策问题和UAV位置部署问题，并利用交替迭代优化方法对两个子问题进行交替迭代优化，从而得到最优的子任务卸载策略和UAV位置部署，其中，交替迭代优化的过程为：S11：初始化UAV位置部署，令迭代次数r＝0；

S12：在给定的 条件下，利用基于优先级的子任务卸载算法确定子任务卸载表示第r次迭代时无人机um的位置， 表示第r+1次迭代时的xkmnl；

S14：令t＝0并将第r次迭代的 赋值给 的初始值，即 其中rt表示采用SCA方法时的内部迭代次数，所述SCA方法为逐次凸近似方法；

S15：在给定 时，通过SCA方法，用给定的 确定优化解 不断进行内部迭代，直到满足内部迭代终止条件；

S16：将内部迭代终止时得到的 赋值给 并将r+1赋值给r；

S17：回到步骤S12，重复执行步骤S12‑S16，直到满足迭代终止条件，在迭代终止时的子任务卸载和UAV的位置部署结果即为最优解。

5.根据权利要求4所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，子任务卸载决策问题是在给定的UAV位置部署的条件下，优化卸载策略{xkmnl}，将该子问题记为P2，P2表示为：s.t.(C1)‑(C5)，

对于P2，采用基于优先级的子任务卸载算法，包括：S1：对所有的DL任务，根据每个DL任务 的可容忍延迟进行排序，根据排序结果确定DL任务的处理顺序；

S2：对于每个DL任务 中的子任务，利用概率上升秩算法确定每个子任务 的优先级即，给依赖数据传输时间更长的子任务设置更高的优先级，并根据优先级对子任务进行优先级排序；

S3：根据S1和S2中的排序结果，对所有的DL任务中的每个子任务 按照优先级顺序进行任务卸载。

6.根据权利要求5所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，S2中优先级 的确定方式为：其中， 表示所有依赖 的子任务的集合， 是一个二元变量，表示在计算时是否考虑了输出结果 的传输时间； 和 分别为所有链路的平均传输速率和所有设备的平均计算能力，其中， rand()是一个返回[0,1)区间随机值的函数，λ是常数。

7.根据权利要求5所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，S3具体包括，按照子任务的优先级顺序，对于每个子任务 执行步骤S31‑S40，直至所有DL任务中的所有子任务全部执行完毕，则可以得到 {xkmnl}，其中，S31‑S40包括：

S31：判断l＝1或者 是否成立，如果成立，执行S32；如果不成立，执行S33；

S32：使得xkmnl＝0，并把 放到地面用户sk的计算队列 的队尾；

S33：根据下式确定xkmnl，即：其中， 表示子任务 卸载到其关联的无人机um上时子任务 的完成时间； 表示子任务 在本地执行时的完成时间，接着，执行S34；

S34：判断xkmnl＝1是否成立，如果成立，说明子任务 需要被卸载到um上，则执行S35；

如果不成立，说明子任务 在本地执行，不需要卸载，则执行S36；

S35：将 添加到um的计算队列 的队尾，接着，执行S37；

S36：将把 添加到地面用户sk的计算队列的 的队尾，接着，执行S37；

S37：判断 在 里以及 是否成立，如果成立，说明子任务 依赖于子任务 并且，子任务 在本地执行，子任务 需要卸载到无人机um，执行S38；否则，执行S39；

S38：把 加入地面用户sk的传输队列 的队尾；

S39：判断 在 里并且 是否成立，如果成立，说明子任务 依赖于子任务 并且，子任务 被卸载在无人机um，而子任务 需要本地执行，则执行S40；

S40：把 加入无人机um的传输队列 的队尾。

8.根据权利要求4所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，UAV位置部署问题是在固定卸载决策{xkmnl}的条件下，优化UAV位置部署{qm}，将该子问题转化为P3，P3表示为：其中，

C6‑C8表示约束条件；

和 分别表示第r次迭代时的上行和下行速率；

表示上行速率的提升；

表示下行速率的提升；

η表示最小提升速率；

表示用户sk和无人机um之间的链路是否有数据传输，若ykm>0表示用户sk和无人机um之间的链接存在数据传输，否则ykm＝0。

9.根据权利要求8所述的一种多无人机辅助边缘计算联合卸载和部署方法，其特征在于，所述方法还包括将问题P3转化为问题P4，P4表示为：其中，

C9‑C11表示约束条件；

表示上行速率 的下界，

表示下行速率 的下界，

H表示无人机距离地面的垂直高度，B为信道带宽， 表示在1米处的接收信噪2

比，Pk为sk的发射功率，σ为背景噪声功率； 其中Pm是um的传输功率；β0是在参考距离为1米的信道功率增益；加了上标rt的q表示在第rt次内部迭代时无人机的水平位置；

和 分别表示在第rt次内部迭代时的两个局部点，问题P4为标准的凸优化问题，则在S15中，在给定 时，通过SCA方法，用给定的求解问题P4，得到优化解