一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法组成比例

技术编号:20016200 阅读:28 留言:0更新日期:2019-01-05 23:32
本发明专利技术公开了一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,属于无线通信领域。针对移动边缘计算超密集网络中存在计算终端和通信终端同时发起任务请求应用场景,公开一种能保障通信请求终端最小通信速率需求下计算请求终端的任务迁移决策和资源优化配置方法,该方法以各计算请求终端的任务迁移处理时延和能耗加权和作为任务迁移成本,以所有计算请求终端的任务迁移成本和最小为目标建立优化模型,将优化模型分解为计算资源优化配置模型以及联合信道配置与功率配置优化模型,采用KKT条件获得计算资源优化配置决策;采用交替迭代获得信道与功率次优配置决策。

【技术实现步骤摘要】
一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法
本专利技术涉及一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,属于无线通信领域。
技术介绍
移动边缘计算(mobileedgecomputing,MEC)技术通过在网络入口部署边缘云服务器(edgecloudserver,ECS),提供高可靠、低时延计算与通信服务,旨在解决业务时延敏感或计算密集但终端处理能力受限、云计算资源丰富但接入能力受限以及移动宽带业务显著增长但承载网络管道化等矛盾。移动边缘计算技术推动了智能网联与车联网、智慧城市、能源互联网等以应用为中心、提供实时高可靠服务的兴起。但在MEC中,由于计算与通信耦合,用户体验依赖于计算与通信资源联合分配,且迁移决策也会影响系统性能。第五代移动通信(5G)网络将MEC与超密集组网结合,实现近距离、低时延接入边缘云,但移动边缘计算超密集网络涉及多个基站,迁移决策还需考虑基站选择,会进一步增大资源配置的复杂性。此外,超密集网络还存在同频干扰,不同蜂窝小区用户终端的通信速率相互耦合,资源配置非常复杂,其迁移决策与资源分配更具挑战性。
技术实现思路
有鉴于此,本专利技术的目的是提供一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法。针对移动边缘计算超密集网络中存在计算终端和通信终端同时发起任务请求应用场景,计算请求终端有时延敏感型或计算密集型任务需要迁移到边缘云服务器处理,通信请求终端需要网络配置能满足自身最小通信速率需求的传输信道和发射功率,本专利技术提供一种能保障通信请求终端最小通信速率需求下计算请求终端的任务迁移决策和资源优化配置方法,该方法首先以各计算请求终端的任务迁移处理时延和能耗加权和作为任务迁移成本,然后以所有计算请求终端的任务迁移成本和最小为目标建立优化模型,并基于分解思想将优化模型松弛为计算资源优化配置模型以及联合信道配置与功率配置优化模型,最后采用KKT条件获得计算资源优化配置决策;采用交替迭代获得信道与功率次优配置决策。本专利技术的目的是通过以下技术方案实现的:一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,所述移动边缘计算超密集网络在M个相邻的蜂窝小区附近部署一台边缘云服务器(ECS),所述边缘云服务器能提供的业务计算能力为Fs,并内置一个决策单元,所述决策单元收集终端相关信息、可用通信资源信息和可用计算资源信息,根据终端请求执行任务迁移决策与资源优化配置,在蜂窝小区m∈M的中心部署一台基站bm,m∈M,所述基站通过有线链路连接到所述边缘云服务器,与边缘云服务器连接的所有基站M拥有相同频谱B0,基站bm,m∈M将频谱B0等分为带宽为B的K个信道,N个终端通过无线链路与所在蜂窝小区基站连接,所述终端采用正交频分多址(OFDMA)接入所在蜂窝小区基站,将所述终端划分为计算请求终端集N1和通信请求终端集N2,所述计算请求终端集N1中的终端n∈N1的计算能力和电池容量有限,其计算密集型任务或时延敏感型任务必须经由所在蜂窝小区基站bm,m∈M和有线链路迁移到所述边缘云服务器中处理;所述通信请求终端集N2中的终端n∈N2的通信任务有最小通信速率要求,由所在蜂窝小区基站bm,m∈M分配信道和功率,但不涉及任务迁移。进一步,该方法包括以下步骤:步骤1、任务迁移决策与资源配置优化模型建立:以计算请求终端集N1中所有终端的任务迁移成本和最小为目标,建立任务迁移决策与资源配置优化模型:其中,J(G,P,F)=Σn∈N1anJn为目标函数,an=(0,1],n∈N1为计算请求终端n的权重,为计算请求终端n的任务迁移成本,γt,γe∈[0,1]分别为计算请求终端n对任务迁移处理时延和能耗的偏好度,计算请求终端n的任务迁移处理时延Tn和能耗En分别为:Ln,i为计算请求终端n的任务迁移比特数,Xn为任务复杂度(CPU指令周期数/比特),Rn为终端n∈N的通信速率,信道配置决策xn(m,k)=1表示为用户n分配小区m的信道k,功率配置决策P={p1,p2,LpN},pn,n∈N为给用户n分配的功率,计算资源配置决策F={f1,f2,L,fN1},fn,n∈N1为给计算请求终端n分配的计算能力,Rmin为通信请求终端所需的最小通信速率,约束条件C1和C2表示为每个终端分配一条信道;C3表示任意信道只允许一个用户接入;C4表示功率约束;C5表示通信请求终端最小通信速率约束;C6表示为计算请求终端分配的计算能力,C7表示分配给计算请求终端的计算能力和不大于边缘云服务器能提供的业务计算能力;步骤2、任务迁移决策与资源配置优化模型分解:将优化模型OR分解为计算资源配置优化模型CP以及联合信道配置与功率配置优化模型JP:s.t.C6-C7s.t.C1-C5步骤3、计算请求终端计算资源配置:基于KKT条件求解计算资源配置优化模型CP,得到计算请求终端集N1中所有终端的计算资源最优配置,即输出计算资源配置决策F={f1,f2,L,fN1},其中,步骤4、联合信道配置与功率配置:将优化模型JP再分解为信道配置与功率配置,首先固定功率配置执行信道配置,然后以信道配置为基础执行功率配置,最后再以功率配置为基础调整信道配置,交替迭代,直到获得所有终端N的信道和功率次优配置;步骤4.1、信道配置:固定功率配置执行信道配置,作为交替迭代的初始点;步骤4.2、功率配置:以信道配置为基础执行功率配置,首先设置接入相同信道的计算请求终端和通信请求终端的功率分别相等,然后搜索计算请求终端的功率范围,确定该信道配置下最小化目标函数的功率配置;步骤4.3、信道重配置:以功率配置为基础调整信道配置,终端循环接入其他信道,选择最小化目标函数对应的信道;步骤4.4:输出所有终端N的功率配置决策P={p1,p2,LpN}和信道重配置决策进一步,所述固定功率配置pn=pmax,n∈N,pmax为终端最大发射功率,决策单元利用收集到的终端相关信息、可用通信资源信息和可用计算资源信息计算各终端的有效载干比(EIR),终端n在小区m的信道k上的有效载干比为小区r的同信道终端n与基站m之间的信道增益,所述信道配置由以下步骤组成:步骤4.1.1、通信请求终端信道配置:步骤4.1.1.1、初始化标记flag=1,寄存器EC、CoUsr和UoCh的内容为0,其中,EC保存每条信道k∈K当前接入终端的EIR值,CoUsr保存用户n∈N2当前接入的信道序号,UoCh保存每条信道k∈K接入的终端序号;步骤4.1.1.2、对于计算在小区m∈M的信道k∈K上的有效载干比并存入EC,EC(m,k),m∈M,k∈K,搜索EC中最大者max{EC(m,k)}=EC(m*,k*),将信道(m*,k*)分配给通信请求终端n,即xn(m*,k*)=1,更新CoUsr(:,n)=(m*;k*)和UoCh(m*,k*)=n;对未分配信道(m≠m*,k≠k*),更新CoUsr(1,UoCh(m,k))=0;步骤4.1.1.3、当min(CoUsr)>0时,更新标记flag=0;步骤4.1.1.4、若flag=1,跳转至步骤4.1.1.2;否则,进入步骤4.1.1.5;步骤4.1.1.5、计算通信速率Rn=Blog2(1+γm,n,k),γn,m,k表示基站m接收用户n本文档来自技高网...

【技术保护点】
1.一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,其特征在于:所述移动边缘计算超密集网络在M个相邻的蜂窝小区附近部署一台边缘云服务器(ECS),所述边缘云服务器能提供的业务计算能力为Fs,并内置一个决策单元,所述决策单元收集终端相关信息、可用通信资源信息和可用计算资源信息,根据终端请求执行任务迁移决策与资源优化配置,在蜂窝小区m∈M的中心部署一台基站bm,m∈M,所述基站通过有线链路连接到所述边缘云服务器,与边缘云服务器连接的所有基站M拥有相同频谱B0,基站bm,m∈M将频谱B0等分为带宽为B的K个信道,N个终端通过无线链路与所在蜂窝小区基站连接,所述终端采用正交频分多址(OFDMA)接入所在蜂窝小区基站,将所述终端划分为计算请求终端集N1和通信请求终端集N2,所述计算请求终端集N1中的终端n∈N1的计算能力和电池容量有限,其计算密集型任务或时延敏感型任务必须经由所在蜂窝小区基站bm,m∈M和有线链路迁移到所述边缘云服务器中处理;所述通信请求终端集N2中的终端n∈N2的通信任务有最小通信速率要求,由所在蜂窝小区基站bm,m∈M分配信道和功率,但不涉及任务迁移。

【技术特征摘要】
1.一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,其特征在于:所述移动边缘计算超密集网络在M个相邻的蜂窝小区附近部署一台边缘云服务器(ECS),所述边缘云服务器能提供的业务计算能力为Fs,并内置一个决策单元,所述决策单元收集终端相关信息、可用通信资源信息和可用计算资源信息,根据终端请求执行任务迁移决策与资源优化配置,在蜂窝小区m∈M的中心部署一台基站bm,m∈M,所述基站通过有线链路连接到所述边缘云服务器,与边缘云服务器连接的所有基站M拥有相同频谱B0,基站bm,m∈M将频谱B0等分为带宽为B的K个信道,N个终端通过无线链路与所在蜂窝小区基站连接,所述终端采用正交频分多址(OFDMA)接入所在蜂窝小区基站,将所述终端划分为计算请求终端集N1和通信请求终端集N2,所述计算请求终端集N1中的终端n∈N1的计算能力和电池容量有限,其计算密集型任务或时延敏感型任务必须经由所在蜂窝小区基站bm,m∈M和有线链路迁移到所述边缘云服务器中处理;所述通信请求终端集N2中的终端n∈N2的通信任务有最小通信速率要求,由所在蜂窝小区基站bm,m∈M分配信道和功率,但不涉及任务迁移。2.根据权利要求1所述的一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,其特征在于:该方法包括以下步骤:步骤1、任务迁移决策与资源配置优化模型建立:以计算请求终端集N1中所有终端的任务迁移成本和最小为目标,建立任务迁移决策与资源配置优化模型:C4:0<pn≤pmax,n∈N其中,为目标函数,an=(0,1],n∈N1为计算请求终端n的权重,为计算请求终端n的任务迁移成本,γt,γe∈[0,1]分别为计算请求终端n对任务迁移处理时延和能耗的偏好度,计算请求终端n的任务迁移处理时延Tn和能耗En分别为:Ln,i为计算请求终端n的任务迁移比特数,Xn为任务复杂度(CPU指令周期数/比特),Rn为终端n∈N的通信速率,信道配置决策xn(m,k)=1表示为用户n分配小区m的信道k,功率配置决策P={p1,p2,LpN},pn,n∈N为给用户n分配的功率,计算资源配置决策fn,n∈N1为给计算请求终端n分配的计算能力,Rmin为通信请求终端所需的最小通信速率,约束条件C1和C2表示为每个终端分配一条信道;C3表示任意信道只允许一个用户接入;C4表示功率约束;C5表示通信请求终端最小通信速率约束;C6表示为计算请求终端分配的计算能力,C7表示分配给计算请求终端的计算能力和不大于边缘云服务器能提供的业务计算能力;步骤2、任务迁移决策与资源配置优化模型分解:将优化模型OR分解为计算资源配置优化模型CP以及联合信道配置与功率配置优化模型JP:步骤3、计算请求终端计算资源配置:基于KKT条件求解计算资源配置优化模型CP,得到计算请求终端集N1中所有终端的计算资源最优配置,即输出计算资源配置决策其中,步骤4、联合信道配置与功率配置:将优化模型JP再分解为信道配置与功率配置,首先固定功率配置执行信道配置,然后以信道配置为基础执行功率配置,最后再以功率配置为基础调整信道配置,交替迭代,直到获得所有终端N的信道和功率次优配置;步骤4.1、信道配置:固定功率配置执行信道配置,作为交替迭代的初始点;步骤4.2、功率配置:以信道配置为基础执行功率配置,首先设置接入相同信道的计算请求终端和通信请求终端的功率分别相等,然后搜索计算请求终端的功率范围,确定该信道配置下最小化目标函数的功率配置;步骤4.3、信道重配置:以功率配置为基础调整信道配置,终端循环接入其他信道,选择最小化目标函数对应的信道;步骤4.4:输出所有终端N的功率配置决策P={p1,p2,LpN}和信道重配置决策3.根据权利要求2所述的一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法,其特征在于:所述固定功率配置pn=pmax,n∈N,pmax为终端最大发射功率,决策单元利用收集到的终端相关信息、可用通信资源信息和可用计算资源信息计算各终端的有效载干比(EIR),终端n在小区m的信道k上的有效载干比为小区r的同信道终端n与基站m之间的信道增益,所述信道配置由以下步骤组成:步骤4.1.1、通信请求终端信道配置:步骤4.1.1.1、初始化标记flag=1,寄存器EC、CoUsr和UoCh的内容为0,其中,EC保存每条信道k∈K当前接入终端的EIR值,CoUsr保存用户n∈N2当前接入的信道序号,UoCh保存每条信道k∈K接入的终端序号;步骤4.1.1.2、对于计算在小区m∈M的信道k∈K上的有效载干比并存入EC,EC(m,k),m∈M...

【专利技术属性】
技术研发人员:刘康汤玮刘璐刘旭石际袁汉云李赟
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:贵州,52

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1