1.多无人机边缘计算网络的管理方法，其特征在于，包括步骤：S1、确定多无人机边缘计算网络的网络架构；

该网络架构由U个无人机即UAV和G个地面设备即GD组成；G个地面设备被组织成U个簇，每个簇由特定的关联UAV提供计算服务；同一簇内的地面设备通过D2D链路相互建立连接；

第g个地面设备即GD g与第a(g)个UAV即UAV a(g)相关联，1≤a(g)≤U,1≤g≤G；无人机保持恒定高度H；共有K个需要缓存的环境文件；

S2、基于所述网络架构建立通信模型、服务缓存模型和协作计算模型；

所述通信模型建立为，多无人机边缘计算网络存在三种通信链路：地面设备与地面设备之间的地面D2D链路，GD g的计算任务通过地面D2D链路被卸载到同一簇内的其他GD；地面设备与其关联UAV之间的地对空链路，GD g的计算任务通过地对空链路卸载到UAV a(g)；

关联UAV与其他UAV之间的空对空链路，如果UAV a(g)没有缓存有GD g需要的计算服务环境，该UAV a(g)将接收到的计算任务通过空对空链路转发到已缓存相关内容的非关联无人机上进行执行；

所述服务缓存模型建立为：每个缓存设备只能缓存可用环境内容的特定子集，共同覆盖所需的所有计算环境，缓存设备指UAV和GD；每个缓存设备所缓存内容的总大小不能超过该缓存设备的缓存容量；

所述协作计算模型建立为：每个计算任务都是不可分的，一个计算任务只能卸载给一个UAV或GD；

S3、基于建立的通信模型、服务缓存模型和协作计算模型，以最小化所有计算任务的总网络延迟为优化目标，构建同时优化缓存放置、计算任务卸载和计算资源分配的优化问题；

在所述步骤S3中，计算任务的总网络延迟为完成所有计算任务的延迟之和；

完成计算任务的延迟包括四类延迟：

第一类延迟，由本地设备完成计算任务的延迟；

第二类延迟，由本地设备卸载计算任务到其他本地设备完成计算任务的延迟；

第三类延迟，由本地设备卸载计算任务到其关联UAV完成计算任务的延迟；

第四类延迟，由本地设备卸载计算任务到其关联UAV，其关联UAV卸载计算任务到非关联UAV完成计算任务的延迟；

计算任务的总网络延迟由下式计算：

其中，Dg,k表示完成计算任务 的延迟， 指从GD g生成的需要环境文件k的计算任务；

Dg,k由下式计算：

其中， 表示计算任务 由GD i执行的决策变量，如果计算任务 由GD i执行，则否则 表示GD i完成计算任务 的延迟；xg,k,u表示计算任务由UAV u执行的决策变量，如果计算任务 由UAV u执行，则 否则Dg,k,u表示UAV u完成计算任务 的延迟；

对于第一类延迟，当需要的服务环境缓存在GD g，并且有足够的计算资源，则直接在GD g上处理计算任务，GD g的计算延迟表示为 fg为GD g的计算能力， 表示完成计算任务 所需的CPU计算资源；

对于第二类延迟，如果GD g簇内附近的本地设备缓存有相应的服务环境，GD g卸载到对应的GD i进行计算任务执行，对应的计算延迟 包括从GD g到GD i的通信延迟和GD i的处理时间 表示计算任务 的输入数据大小，fi为GD i的计算能力，Rg,i表示GD g向GD i发送计算任务时的可达速率；

对于第三类延迟，如果关联UAV a(g)缓存了需要的内容，则关联UAV a(g)处理相应的卸载计算任务，关联UAV a(g)处理计算任务 的总延迟Dg,k,a(g)包括GD g到关联UAV a(g)的传输延迟 和UAV a(g)的计算延迟 Rg,a(g)为GD g向UAV a(g)发送计算任务 时可实现的速率，og,k,a(g)为UAV a(g)分配给计算任务 的计算资源的比例，fa(g)为UAV a(g)的计算能力；

对于第四类延迟，如果关联UAV a(g)和簇内地面设备都不具备必要的计算服务环境和足够的计算资源，则将计算任务 卸载给非关联UAV u，则从GD g到UAV u的总延迟Dg,k,u包括从地面设备到关联UAV a(g)的通信延迟 从关联UAV a(g)到非关联UAV u的通信延迟 以及UAV u的计算延迟 Ra(g),u为关联UAV a(g)向非关联UAV u发送计算任务时可实现的速率，fu为非关联UAV u的计算能力，og,k,u表示UAV u分配给计算任务 的计算资源的比例；

S4、对所述优化问题进行求解，得到缓存放置、计算任务卸载和计算资源分配结果。

2.根据权利要求1所述的多无人机边缘计算网络的管理方法，其特征在于，在所述步骤S3中，所述优化问题的约束条件包括：其中，ak,u表示服务k被UAV u缓存的决策变量，ak,u＝1表示服务k被UAV u缓存，否则ak,u＝0； 表示服务k被GD g缓存的决策变量， 表示服务k缓存在GD g上，否则Cu和Cg分别代表UAV u和GD g的总缓存容量；zk表示每个特定计算需求环境文件k的大小，表示任意。

3.根据权利要求2所述的多无人机边缘计算网络的管理方法，其特征在于，所述步骤S4具体包括步骤：S41、在计算资源分配O固定的情况下，将原问题简化为优化计算任务卸载X和缓存放置A的第一子问题；在给定缓存放置A和计算任务卸载X，将原问题简化为优化计算资源分配O的第二子问题；

S42、对所述第一子问题和所述第二子问题进行交替迭代求解，直至计算任务的总网络延迟的下降比率低于阈值ε，输出此时的缓存放置A、计算任务卸载X和计算资源分配O。

4.根据权利要求3所述的多无人机边缘计算网络的管理方法，其特征在于，缓存部署计算任务卸载决策 资源分配 表示定义；

在所述步骤S41中，在计算资源分配O固定的情况下，将原问题简化为优化计算任务卸载X和缓存放置A的第一子问题，具体包括步骤：S411、在计算资源分配O固定的情况下，将原优化问题简化为优化计算任务卸载X和缓存放置A的子问题：s.t.C1,C2,C4‑C7

S412、将约束C5和C7表示为以下区域的交集：

其中，约束C5的区域交集为约束C8至C10，约束C7的区域交集为约束C11至C13；

S413、在目标函数中引入两个惩罚项来惩罚A和X的非二元解，从而得到下面的优化问题：s.t.C1‑C4,C6,C8,C11

其中，η1、η2、λ1、λ2是大于0的惩罚因子；

S414、对 和 采用一阶泰勒近似得到：

其中， 和 是第r次迭代中的ak,u、 xg,k,u和S415、将问题(P2)近似为第一子问题：

s.t.C1‑C4,C6,C8,C11；

在步骤S42中，使用标准的凸优化方法或CVX求解器求解第一子问题(P3)。

5.根据权利要求4所述的多无人机边缘计算网络的管理方法，其特征在于，在步骤S41中，在给定缓存放置A和计算任务卸载X，将原问题简化为优化计算资源分配O的第二子问题，具体包括步骤：S416、给定缓存放置A和计算任务卸载X，通过忽略常数项，将原始问题(P0)简化为第二子问题：s.t.C3,C4

则在步骤S42中，对第二子问题的求解过程包括步骤：

S421、假设对偶变量用 表示，问题(P4)的拉格朗日函数表示为：对应的对偶函数表示为

表示对L({λu},{og,k,u})函数关于变量{og,k,u}求其下确界；

S422、将拉格朗日函数对{og,k,u}求一阶偏导数并设置为零，得到最优解：

6.多无人机边缘计算网络的管理系统，其特征在于：设有智能体，所述智能体用于执行权利要求1～5任一项所述多无人机边缘计算网络的管理方法。