一种基于GS算法的资源分配方法组成比例

本发明专利技术属于通信5G以及边缘计算技术领域，具体的说是一种基于GS算法的资源分配方法。本发明专利技术的基本思路是在一个小基站放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务，同时蜂窝用户可以按照待执行任务的特性来选择与宏基站相连的云计算服务。本发明专利技术的有益效果为，本发明专利技术的方法复杂度低，保证了用户的通信需求，可以为用户匹配合适的计算服务，提高时延性能。

【技术实现步骤摘要】
一种基于GS算法的资源分配方法
本专利技术属于通信5G以及边缘计算(MobileEdgeComputing,MEC)
，具体涉及一种基于GS算法的资源分配方法，涉及GS算法(theGale-Shapleyalgorithm)以及超密集组网(Ultra-DensityNetwork，UDN)、边缘计算、云计算(CloudComputing)等技术。
技术介绍
云计算是最早出现的计算卸载技术，这是一种中央式的计算卸载模型，通常通过互联网来提供动态易扩展且虚拟化的资源。云计算使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，让终端设备选择将自己的计算任务(存储任务)交由云端执行以节省自身有限的计算资源(存储资源)以及能耗。边缘计算是相对于云计算提出来的。很多行业对实时性、可靠性与安全性等有严格要求，例如物联网终端作为一种便携可移动的装置，有它区别于传统互联网设施的特点。但是由于其受限于接入带宽、流量以及成本、能耗等条件，所以对数据应该进行合理的处理，特别是进行预处理，以便能够“物尽其用”，避免资源的浪费。因此，在靠近物或者数据源头的网络边缘就需要一个集连接、计算、存储和应用的开放平台，就近提供边缘智能服务。概括来说就是：边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求，而这些需求正是物联网行业需要解决的问题。在5G移动通信技术的设计中，接入密度为106每平方公里，为了满足如此庞大的接入需求，5G采用了超密集组网技术：一个小区有一个宏基站以及大量的微基站组成，每个微基站负责为邻近的蜂窝用户服务。由于现在互联网的信息越来越多，移动终端也需要应对不同种类的计算任务。在混合网络之中引入MEC计算卸载技术可以有效解决蜂窝用户的计算能力受限问题，并且可以弥补云计算在时延性能方面的不足，从而为整个网络提供时延性能与计算性能兼具的计算卸载服务。同时，基于GS算法进行卸载方式(云计算、边缘计算、本地计算)、信道和用户的匹配，在降低复杂度的同时可以适当提升系统的性能。
技术实现思路
本专利技术针对上述问题提出了一种基于GS算法的资源分配方法，旨在提高蜂窝系统中接入终端的计算能力与时延性能。本专利技术的基本思路是在一个小基站(SmallBaseStation,SBS)放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务，同时蜂窝用户可以按照待执行任务的特性来选择与宏基站(MacroBaseStation，MBS)相连的云计算服务。该方案可以为用户匹配合适的计算服务，提高时延性能。首先介绍系统模型：如图1所示，考虑一个上行的超密集组网的蜂窝系统，存在一个中心的宏基站MSB，与云计算服务器相连接，以及若干个小基站SBS，每个SBS放置了一个边缘计算服务器；每个小基站有若干个接入的蜂窝用户，每个用户都有一个待执行任务，每个任务有两个属性：输入数据量与CPU执行周期数，且每个任务可以选择在本地执行、MEC服务器上执行或者云计算服务器上执行。这里以一个小基站为例：假设小基站的接入蜂窝用户数为N，有K个独立的子信道可供分配。同时用户，MEC服务器，云计算服务器的计算能力分别为：其他的变量如下表1所示：表1参数说明本专利技术的方法为：首先定义计算三种卸载情况的时延的方法：其中，在开始的时候，用户i的MEC资源分配方式为：用户i按照其卸载量占总卸载量的比例来分配MEC资源。本专利技术的方法的具体步骤如下：Step1、计算时延。先为每个用户计算每个信道的时延，即每个用户对应的每个信道通过比较MEC卸载和云计算的时延，选择时延小的作为该用户在该信道下的卸载方式(比较和)。然后为每个用户计算本地卸载时延Step2、创建GS算法所需的两个矩阵。第一个是关于用户的矩阵，衡量指标是时延。将所有用户所有信道下的时延以及本地卸载时延放到一个矩阵里，即矩阵的横轴代表用户，纵轴最后一列(第K+1列)代表本地卸载时延，第一列到倒数第二列代表每个信道的时延，每个信道采用的是MEC服务器执行与云端执行其中的一种。创建好第一个矩阵后，对其进行每个用户的优先级的排序，即每个用户按照时延大小进行升序排列，于是得到了用户的优先级矩阵，该矩阵的每个元素为信道的索引值，假如是本地卸载，索引值为K+1(K为信道个数)。第二个是关于信道的矩阵，衡量指标是卸载量，之所以不考虑用时延作为衡量指标，是因为会存在用户卸载量小、分配的信道好从而时延小的情况，这不符合MEC资源分配的初衷。于是，该矩阵的横轴代表信道，纵轴代表第一个用户到最后一个用户的卸载量大小。该矩阵创建好之后，对每个信道对应的每个用户的卸载量进行降序排列，于是得到了信道的优先级矩阵，该矩阵的每个元素同样为代表用户的索引值。Step3、运用GS算法进行资源分配，这一步之后将同时得到每个用户的卸载方式、信道分配和时延。具体为：先遍历用户优先级矩阵的第一列，假如还有用户没有确定卸载方式，则在用户优先级矩阵中为该用户选择最优的卸载方式。假如选择的是MEC或者云计算的某个信道，并且该信道在此之前已经被另外的用户分配了，于是比较信道优先级矩阵里该信道倾向于哪个用户，即排序排在前面的用户优先级高于另一个用户从而该信道归它所有，另一个用户在此步骤将不会得到信道。假如有多个用户占用多个信道，从而导致占用的信道数大于信道总数，则比较这些用户的卸载量，选择卸载量最好的那些用户来占用信道，其余的用户均采用本地卸载的方式。重复Step3，直到所有用户都分配到卸载方式。Step4、为使用MEC卸载方式的每个用户重新分配MEC资源。之前的步骤已经确定好了哪些用户使用MEC卸载方式，于是这些用户的MEC资源按照卸载量的大小按比例来分配，也就是说，该用户的卸载量占所有使用MEC卸载方式的用户的总卸载量的比例是多少，该用户就分得多少比例的MEC资源。相比于Step1，这个参数已经发生了变化，将更新后的参数代入到式中，即可得到使用MEC卸载的每个用户的时延。至此，每个用户的卸载方式、信道分配和时延便得到确定。本专利技术的有益效果为，本专利技术的方法复杂度低，保证了用户的通信需求，可以为用户匹配合适的计算服务，提高时延性能。。附图说明图1为超密集组网的蜂窝系统型示意图。具体实施方式
技术实现思路
部分已经对本专利技术的方案进行了详细描述，在此不再赘述。本文档来自技高网...

【技术保护点】
1.一种基于GS算法的资源分配方法，该方法用于超密集组网的蜂窝系统，设定系统中具有一个与云计算服务器连接的中心宏基站MSB，以及若干个小基站SBS，每个SBS放置了一个边缘计算服务器；每个小基站接入的蜂窝用户数为N，有K个独立的子信道可供分配，每个用户都有一个待执行任务，每个任务有两个属性：输入数据量与CPU执行周期数，且每个任务可以选择在本地执行、边缘计算MEC服务器上执行或者云计算服务器上执行，设定用户，MEC服务器，云计算服务器的计算能力分别为：

【技术特征摘要】
1.一种基于GS算法的资源分配方法，该方法用于超密集组网的蜂窝系统，设定系统中具有一个与云计算服务器连接的中心宏基站MSB，以及若干个小基站SBS，每个SBS放置了一个边缘计算服务器；每个小基站接入的蜂窝用户数为N，有K个独立的子信道可供分配，每个用户都有一个待执行任务，每个任务有两个属性：输入数据量与CPU执行周期数，且每个任务可以选择在本地执行、边缘计算MEC服务器上执行或者云计算服务器上执行，设定用户，MEC服务器，云计算服务器的计算能力分别为：定义计算三种卸载情况的时延的方法为：其中，αi为用户i的任务的输入数据量，βi为用户i的任务的执行周期数，B为子信道带宽，σ2为热噪声功率，P为用户发射功率，H(i,j)为信道矩阵，第i行第j列的元素表示用户i在信道j上的增益，di为用户i与SBS的距离，γ为大尺度衰落系数；并设定在开始的时候，用户i的MEC资源分配方式为：用户i按照其卸载量占总卸载量的比例来分配MEC资源；其特征在于，所述资源分配方法包括以下步骤：S1、计算时延：先为每个用户计算每个信道的时延，即每个用户对应的每个信道通过比较MEC卸载和云计算的时延选择时延小的作为该用户在该信道下的卸载方式，然后为每个用户计算本地卸载时延S2、创建GS算法所需的两个矩阵：(1)用户优先级矩阵，衡量指标是时延：将所有用户所有信道下的时延以及本地卸载时延放到一个矩阵里，即矩阵的横轴代表用户，纵轴最后一列，即第K+1列代表本地卸载时延，第一列到倒数第二列代表每个信道的时延，每个信道采用的是MEC服务器执行与云端...

【专利技术属性】
技术研发人员：但黎琳，周雨荷，欧阳昊，温培博，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51