一种适用于移动边缘计算场景的资源分配方法组成比例

本发明专利技术涉及一种适用于移动边缘计算场景的资源分配方法，该方法基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间分配以及低复杂度次优任务缓存和上传下载时间分配，当移动设备待执行的任务的计算结果已被基站缓存时，移动设备从基站端下载该任务的计算结果，否则，移动设备将该任务上传至基站进行计算，然后从基站下载该任务的计算结果，当多个移动设备上传同一任务至基站时，基站选择信道最好的移动设备实现上传，当多个移动设备下载同一任务的计算结果时，基站用多播的方式发送一次该任务的计算结果，并使信道最差的移动设备恰好成功接收所述计算结果。与现有技术相比，本发明专利技术联合优化缓存和上传下载时间，具有节能等优点。

A resource allocation method for mobile edge computing scene

The invention relates to a resource distribution method for mobile edge computing scenarios, the method based on task caching and transmission optimization mechanism to achieve the optimal task cache and upload and download time and low complexity suboptimal task cache to download and upload the allocation of time, when the mobile computing equipment to perform the tasks of the results have been the base station caching the calculation results, the mobile device, download the task from the base station or mobile devices will be uploaded to the task base station is calculated, the calculation results and then download the task from the base station, when the number of mobile devices to upload the same task to the base station, the base station channel select the best mobile devices to upload, download the same as the calculation results a task for multiple mobile devices, the calculation results with the base station transmits multicast way once the task, the mobile device and make the worst channel It happens that the calculated results are successfully received. Compared with the existing technology, the invention has the advantages of combining optimization caching and uploading and downloading time with energy saving and so on.

【技术实现步骤摘要】
一种适用于移动边缘计算场景的资源分配方法
本专利技术涉及无线通信技术的移动边缘计算领域，尤其是涉及一种适用于移动边缘计算场景的资源分配方法。
技术介绍
未来，很多计算密集型和延迟敏感型任务都需要在移动设备上运行，这些任务有巨大的运算量并且需要在很短的时间内完成，如虚拟现实、增强现实、实时在线游戏、实时监控、导航和超高清(UHD)视频流等。而移动设备由于资源有限，不能在很短的时间内执行完任务，且移动设备电量有限，过大的能量消耗使移动设备的待机时间更短。移动边缘计算是满足未来计算密集型和延迟敏感型任务需求的一项关键技术。移动边缘计算又称“雾计算”，它将云所具备的资源移到更接近用户的无线网络边缘(如基站和无线接入点)，其中“云”指数据中心、IP骨干网络和蜂窝核心网络等提供资源的网络。移动边缘计算使移动用户能够在较近的无线接入网边缘得到IT和云计算服务，可降低服务的延迟，提升用户体验质量。在移动边缘计算系统中，当用户们发出的任务请求在空间域中高度集中并且在时间域中异步或同步地重复时，将计算结果存储在更靠近用户的地方(例如基站)以便在未来重复利用，可以大大减少移动设备的计算负载和延迟。Al-Shuwaili和O.Simeone在文章“Optimalresourceallocationformobileedgecomputing-basedaugmentedrealityapplications”中提出了一个资源分配方案，这个方案允许用户共享计算结果，并在延时和功率约束下最小化卸载所产生的总的移动能量消耗。然而,这篇文章仅仅关注了一项计算任务，而且没有考虑缓存计算结果以备将来重复使用。T.X.Tran,P.Pandey,A.Hajisami和D.Pompili在文章“Collaborativemulti-bitratevideocachingandprocessinginmobile-edgecomputingnetworks”中提出了在多用户移动边缘计算系统中的协作多比特率视频缓存和处理，从而最小化回程负载，但没有考虑任务执行和计算结果下载的能量损耗。因此，考虑多项任务请求，联合优化缓存和上传下载时间来设计节能的缓存辅助型移动边缘计算系统是需要进一步研究的问题。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种适用于移动边缘计算场景的资源分配方法，在多任务请求的移动边缘系统中联合优化通信、缓存和计算资源从而达到节能目的，可设计节能的缓存辅助型移动边缘计算系统。本专利技术的目的可以通过以下技术方案来实现：一种适用于移动边缘计算场景的资源分配方法，该方法基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间的资源分配或低复杂度次优任务缓存和上传下载时间的资源分配；所述任务缓存和传输优化机制为：当移动设备待执行的任务的计算结果已被基站缓存时，移动设备从基站端下载该任务的计算结果，当移动设备待执行的任务的计算结果未被基站缓存时，移动设备将该任务上传至基站进行计算，然后从基站下载该任务的计算结果，其中，当多个移动设备上传同一任务至基站时，基站选择信道最好的移动设备实现上传，当多个移动设备下载同一任务的计算结果时，基站用多播的方式发送一次该任务的计算结果，并使得信道最差的移动设备恰好成功接收所述计算结果。基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间的资源分配具体为：构建时延保障下的系统平均总能耗最小化问题，求解获得最优分配方案。所述最优任务缓存和上传下载时间的资源分配具体包括以下步骤：A1)构建时延保障下的系统平均总能耗最小化问题：其中，E(c,Tu(X,H),Td(X,H),X,H)为系统总能量消耗，cn表示任务n的计算结果在基站的缓存情况，cn＝1表示任务n的计算结果在基站被缓存，cn＝0表示表示任务n的计算结果未被基站缓存，表示系统中任务的集合，X表示随机的系统任务状态，H表示随机的系统信道状态，Tu(X,H)和Td(X,H)分别代表系统状态(X,H)下的各任务上传时间向量Tu和各任务下载时间向量Td，Ld,n为任务n计算结果的大小，Ld,n>0，C为基站缓存容量，tu,n为任务n的上传时间，td,n为任务n的下载时间，T为上传下载的总时间限制；A2)构建拉格朗日松弛问题：其中，L(c,Tu,Td,λ)为时延保障下的系统平均总能耗最小化问题的拉格朗日函数，λ为拉格朗日因子；A3)构建时延保障下的系统平均总能耗最小化问题的对偶问题：A4)迭代求解所述对偶问题，获得最优分配方案。步骤A1)中，所述系统总能量消耗定义为：其中，Eu,n(tu,n,X,H)表示在系统状态为(X,H)时，移动设备以上传时间tu,n将任务n上传到基站的传输能量损耗，Ee,n(X)表示在基站执行任务n、获得其计算结果的能量消耗，Ed,n(td,n,X,H)表示基站以下载时间td,n发送计算结果所需要的传输能量。所述Eu,n(tu,n,X,H)定义为其中，Hu,n为所有具有待执行任务n的移动设备与基站之间信道功率的最大值，Lu,n指任务n输入的大小，Lu,n>0，Kn(X)为具有待执行任务n的移动设备的总数，函数g(·)定义为：B为带宽，n0为高斯白噪声的方差。所述Ed,n(td,n,X,H)定义为其中，Hdn为所有具有待执行任务n的移动设备与基站之间信道功率的最小值，Kn(X)为具有待执行任务n的移动设备的总数，函数g(·)定义为：B为带宽，n0为高斯白噪声的方差。所述Ee,n(X)的定义为其中，Fb为基站频率，μ为由服务器的开关电容决定的常数因子，Le,n为任务n的工作负载，即执行任务n所需要的CPU周期数，Kn(X)为具有待执行任务n的移动设备的总数。步骤A4)具体为：A401)初始化循环次数t＝1和拉格朗日乘数A402)求解λt下的拉格朗日松弛问题：首先通过求解如下背包问题，得到λt下的最优缓存方案其中，e1,n(X,H,λ)由下式定义：e1,n(X,H,λ)＝p(X,H)(Eu,n(f(X,H,Lu,n,Hu,n,λ),X,H)+Ee,n(X))+λf(X,H,Lu,n,Hu,n,λ)其中，p(X,H)表示系统状态(X,H)出现的概率，f(X,H,Lu,n,Hu,n,λ)由下式定义：其中，W(·)是朗伯函数，Kn(X)为具有待执行任务n的移动设备的总数，B为带宽，n0为高斯白噪声的方差；其次，根据以下公式计算λt下的最优上传时间方案和最优下载时间方案A403)计算g(λt)的次梯度：更新λt+1(X,H)＝max{λt(X,H)+αts(X,H,λt),0}，其中αt＝(1+m)/(t+m)，m是非负常数；A404)判断是否满足s(X,H,λt)＜ε，ε为设置阈值，若是，则输出此时的作为最优分配方案，终止，若否，更新迭代次数t＝t+1，进入步骤A402)。基于任务缓存和传输优化机制实现低复杂度次优任务缓存和上传下载时间的资源分配具体为：假定基站不缓存所有待执行任务的结果，得到上传下载时间分配的最优解后重新优化任务缓存分配，在得到一近似任务缓存方案后，根据该近似任务缓存方案重新优化上传下载时间分配方案。所述低复杂度次优任务缓存和上传下载时间的资源分配包括以下步骤：B1)假设基站本文档来自技高网...

【技术保护点】
一种适用于移动边缘计算场景的资源分配方法，其特征在于，该方法基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间的资源分配或低复杂度次优任务缓存和上传下载时间的资源分配；所述任务缓存和传输优化机制为：当移动设备待执行的任务的计算结果已被基站缓存时，移动设备从基站端下载该任务的计算结果，当移动设备待执行的任务的计算结果未被基站缓存时，移动设备将该任务上传至基站进行计算，然后从基站下载该任务的计算结果，其中，当多个移动设备上传同一任务至基站时，基站选择信道最好的移动设备实现上传，当多个移动设备下载同一任务的计算结果时，基站用多播的方式发送一次该任务的计算结果，并使得信道最差的移动设备恰好成功接收所述计算结果。

【技术特征摘要】
1.一种适用于移动边缘计算场景的资源分配方法，其特征在于，该方法基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间的资源分配或低复杂度次优任务缓存和上传下载时间的资源分配；所述任务缓存和传输优化机制为：当移动设备待执行的任务的计算结果已被基站缓存时，移动设备从基站端下载该任务的计算结果，当移动设备待执行的任务的计算结果未被基站缓存时，移动设备将该任务上传至基站进行计算，然后从基站下载该任务的计算结果，其中，当多个移动设备上传同一任务至基站时，基站选择信道最好的移动设备实现上传，当多个移动设备下载同一任务的计算结果时，基站用多播的方式发送一次该任务的计算结果，并使得信道最差的移动设备恰好成功接收所述计算结果。2.根据权利要求1所述的适用于移动边缘计算场景的资源分配方法，其特征在于，基于任务缓存和传输优化机制实现最优任务缓存和上传下载时间的资源分配具体为：构建时延保障下的系统平均总能耗最小化问题，求解获得最优分配方案。3.根据权利要求2所述的适用于移动边缘计算场景的资源分配方法，其特征在于，所述最优任务缓存和上传下载时间的资源分配包括以下步骤：A1)构建时延保障下的系统平均总能耗最小化问题：其中，E(c,Tu(X,H),Td(X,H),X,H)为系统总能量消耗，cn表示任务n的计算结果在基站的缓存情况，cn＝1表示任务n的计算结果在基站被缓存，cn＝0表示任务n的计算结果未被基站缓存，表示系统中任务的集合，X表示随机的系统任务状态，H表示随机的系统信道状态，Tu(X,H)和Td(X,H)分别代表系统状态(X,H)下的各任务上传时间向量Tu和各任务下载时间向量Td，Ld,n为任务n计算结果的大小，Ld,n>0，C为基站缓存容量，tu,n为任务n的上传时间，td,n为任务n的下载时间，T为上传下载的总时间限制；A2)构建拉格朗日松弛问题：其中，L(c,Tu,Td,λ)为时延保障下的系统平均总能耗最小化问题的拉格朗日函数，λ为拉格朗日因子；A3)构建时延保障下的系统平均总能耗最小化问题的对偶问题：A4)迭代求解所述对偶问题，获得最优分配方案。4.根据权利要求3所述的适用于移动边缘计算场景的资源分配方法，其特征在于，步骤A1)中，所述系统总能量消耗定义为：其中，Eu,n(tu,n,X,H)表示在系统状态为(X,H)时，移动设备以上传时间tu,n将任务n上传到基站的传输能量损耗，Ee,n(X)表示在基站执行任务n、获得其计算结果的能量消耗，Ed,n(td,n,X,H)表示基站以下载时间td,n发送计算结果所需要的传输能量。5.根据权利要求4所述的适用于移动边缘计算场景的资源分配方法，其特征在于，所述Eu，n(tun,X,H)定义为其中，Hu,n为所有具有待执行任务n的移动设备与基站之间信道功率的最大值，Lu,n指任务n输入的大小，Lu,n>0，Kn(X)为具有待执行任务n的移动设备的总数，函数g(·)定义为：B为带宽，n0为高斯白噪声的方差。6.根据权利要求4所述的适用于移动边缘计算场景的资源分配方法，其特征在于，所述Ed,n(td,n,X,H)定义为其中，Hd，n为所有具有待执行任务n的移动设备与基站之间信道功率的最小值，Kn(X)为具有待执行任务n的移动设备的总数，函数g(·)定义为：B为带宽，n0为高斯白噪声的方差。7.根据权利要求4所述的适用于移动边缘计算场景的资源分配方法，其特征在于，所述Ee,n(X)的定义为其中，Fb为...

【专利技术属性】
技术研发人员：崔颖，郭成军，刘志，何雯，倪纯，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31