小蜂窝集成移动边缘计算下分布式卸载方法技术

本发明专利技术公开了一种小蜂窝集成移动边缘计算下分布式卸载方法，包括以下步骤：1、建立宏基站覆盖区域内全体用户终端总能耗优化模型；2、用服务器n分配给用户终端m的时隙变量ym,n，替换建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束,得到替换模型；利用ADMM对替换模型进行松弛和分解，得到迭代框架，分别输出用户终端侧和小蜂窝侧的优化子模型；3、对输出的用户终端侧和小蜂窝侧子模型，分别利用KKT条件推导出最优闭式解；4、基于步骤三得到的闭式解，输出信令交互和优化迭代流程。该方法主要解决现有技术复杂度高、收敛慢等问题，能有效降低用户终端能耗，适用于叠加边缘计算的小蜂窝网络。

Distributed Unloading Method for Integrated Mobile Edge Computing of Cellular

【技术实现步骤摘要】
小蜂窝集成移动边缘计算下分布式卸载方法
本专利技术属于无线通信网络与云计算
，尤其涉及一种小蜂窝集成移动边缘计算下分布式卸载方法。
技术介绍
随着移动互联网和物联网业务的爆炸式发展，移动数据流量增长十分迅猛，传统蜂窝网络已难以支持。为了应对未来海量的数据接入，异构小蜂窝网络应运而生。该技术采用大量低成本、低能耗的小蜂窝基站为热点区域提供高速接入，同时利用宏基站解决广域覆盖的问题，相比于传统蜂窝网络，具有容量高、能耗和入网成本低等优势。另一方面，虚拟现实、无人驾驶、人工智能等新型业务正快速进入人们的日常生活，该类业务具有高带宽、高计算能力、低时延等QOS要求，而现有通过云计算中心部署业务的方式无法满足需要。为此，欧洲电信标准化协会提出了移动边缘计算技术，通过在移动网络边缘部署云计算服务环境，有效解决了上述挑战。在小蜂窝基站部署移动边缘计算服务器，能够综合两者优势，有效解决终端能耗、时延、带宽等挑战，因此受到业界广泛关注。然而，将两者结合，需要解决任务卸载问题，即在多用户多服务器场景下，如何确定用户终端与服务器的对应关系，使得网络资源效率和系统性能得到提升。针对该问题，已有学者做了研究，代表性的工作比如文献[M.Chen,andY.Hao.TaskOffloadingforMobileEdgeComputinginSoftwareDefinedUltra-DenseNetwork.IEEEJournalonSelectedAreasinCommunications,2018,36(3),587-597]利用混合整数非线性规划对异构蜂窝叠加移动边缘计算下的任务卸载进行建模，通过对模型的求解来设计算法。该类方法能够提升系统性能，然而，由于需要集中式地收集模型参数和优化求解，信令开销和复杂度较高，不利于工程应用。针对集中式优化复杂度高的问题，现有方法是采用分布式优化。比如中国专利CN107819840A公开了一种分布式卸载方法，通过用户终端之间的潜能博弈来实现优化。然而，该方案的求解依赖于每个终端在策略集上的遍历试探，当策略集或终端数较多时，复杂度仍然较高，且难以快速收敛。文献[C.Wang,C.Liang,F.Yu,etal.ComputationOffloadingandResourceAllocationinWirelessCellularNetworksWithMobileEdgeComputing.IEEETransactionsonWirelessCommunications,2017,16(8),4924-4938]提出采用ADMM(AlternatingDirectionMethodofMultipliers，交替方向乘子法)进行分布式优化，将多变量模型分解成多个单变量子模型，具有良好的收敛性。然而，该方案的优化子模型求解，仍然基于迭代而非闭式解，因此复杂度仍然较高。
技术实现思路
专利技术目的：针对现有分布式卸载方案的不足，如不依赖闭式解、复杂度高、收敛慢等问题，本专利技术提出了一种小蜂窝集成移动边缘计算下分布式卸载方法，该方法基于模型变换和ADMM分解，利用KKT(Karush-Kuhn-Tucher)条件推导出优化子问题的闭式最优解，从而有效降低了算法复杂度，并且收敛速度较快。技术方案：本专利技术采用如下技术方案：一种小蜂窝集成移动边缘计算下分布式卸载方法，包括以下步骤：步骤一、建立宏基站覆盖区域内全体用户终端总能耗优化模型，所建立的优化模型如下所示：目标函数：约束条件：其中am,n和xm,n是优化变量，am,n表示用户终端m到服务器n的传输时隙，xm,n表示用户终端m是否选择服务器n进行任务卸载；M和N分别表示宏基站覆盖区域内的用户终端集合和服务器集合；P表示用户终端的发射功率；Rm表示用户终端m的任务数据量，Pm表示用户终端m计算单位比特所消耗的能量，T表示系统上行传输时长；|·|表示计算集合中元素个数运算符；rm,n表示用户终端m到服务器n的无线信道速率，展开表示为其中B表示系统频谱带宽，hm,n表示用户终端m到服务器n的无线信道增益，N0表示背景噪声功率；步骤二、用服务器n分配给用户终端m的时隙变量ym,n，替换步骤一建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束,得到替换模型；利用ADMM对替换模型进行松弛和分解，得到迭代框架，分别输出用户终端侧和小蜂窝侧的优化子模型；所述替换模型为：目标函数：约束条件：步骤三、针对步骤二输出的用户终端侧和小蜂窝侧子模型，分别利用KKT条件推导出最优闭式解；步骤四、基于步骤三得到的闭式解，输出信令交互和优化迭代流程。有益效果：与现有技术相比，本专利技术公开的小蜂窝集成移动边缘计算下分布式卸载方法推导出了各个子优化模型的最优闭式解，变量更新迭代过程完全基于闭式解，从而大大降低了各节点计算复杂度和信令开销；相对于集中式优化，本专利技术公开的方法收敛速度较快，求解精度较高，能有效降低用户终端的能耗；本专利技术公开的方法可以为集成移动边缘计算的小蜂窝网络提供低复杂度的卸载备选算法，具有良好的工程实用性。附图说明图1为小蜂窝集成移动边缘计算任务卸载模型示意图；图2为本专利技术信令交互与变量更新流程图；图3为本专利技术算法迭代流程图；图4为仿真实验中本专利技术方法与现有集中式优化方法的能量消耗性能对比图；图5为仿真实验中本专利技术方法与现有集中式优化方法的收敛速度对比图。具体实施方式下面结合附图和具体实施方式，进一步阐明本专利技术。步骤一、如图1所示，为小蜂窝集成移动边缘计算任务卸载场景，其中在一个宏基站覆盖区域内随机分布多个用户终端和小蜂窝基站。设用户终端组成集合M，小蜂窝基站组成集合N；每个小蜂窝基站装备有1个移动边缘计算服务器，每个用户终端的发射功率相同。每个用户终端有1个计算任务，该任务分为两部分，一部分在本地计算，另一部分需要卸载到某个服务器上。假设上行传输时隙为T。将单个用户终端m传输卸载任务和本地计算所消耗的能量分别用和表示，则单个用户终端m的总能量消耗表示为和之和。用am,n表示用户终端m到服务器n的传输时隙长度。用二进制变量xm,n表示用户终端m是否选择服务器n进行卸载，xm,n＝1表示选择，xm,n＝0表示不选。这样，可以表示为：其中|·|表示计算集合中元素个数运算符；Rm表示用户终端m的任务数据量，Pm是本地计算每比特消耗的能量。rm,n是表示用户终端m到服务器n的传输速率，展开表示为：其中B表示频谱宽度，hm,n是用户终端m到服务器n的信道增益，N0是背景噪声功率，P是用户终端的发射功率。这样，表示为：如此，步骤一建立的宏基站覆盖区域内全体用户终端总能耗优化模型表示为：目标函数：约束条件：其中目标函数是和对全体用户终端求和的结果，约束(1-A)保证对于任意服务器n，其总接收时间不能超过系统上行时隙；约束(1-B)保证对于任意用户终端m，其传输任务数据量不能超过任务原始数据量；约束(1-C)保证任意用户终端m只能选择一个服务器进行卸载；约束(1-D)保证没有连接关系的时隙变量为0；约束(1-E)是优化变量约束。步骤二、引入表示服务器n分配给用户终端m的时隙变量ym,n，替换步骤一建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束，得到的替换模型表示本文档来自技高网...

【技术保护点】
1.小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，包括以下步骤：步骤一、建立宏基站覆盖区域内全体用户终端总能耗优化模型，所建立的优化模型如下所示：目标函数：

【技术特征摘要】
1.小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，包括以下步骤：步骤一、建立宏基站覆盖区域内全体用户终端总能耗优化模型，所建立的优化模型如下所示：目标函数：约束条件：其中am,n和xm,n是优化变量，am,n表示用户终端m到服务器n的传输时隙，xm,n表示用户终端m是否选择服务器n进行任务卸载；M和N分别表示宏基站覆盖区域内的用户终端集合和服务器集合；P表示用户终端的发射功率；Rm表示用户终端m的任务数据量，Pm表示用户终端m计算单位比特所消耗的能量，T表示系统上行传输时隙；|·|表示计算集合中元素个数运算符；rm,n表示用户终端m到服务器n的无线信道速率，展开表示为其中B表示系统频谱带宽，hm,n表示用户终端m到服务器n的无线信道增益，N0表示背景噪声功率；步骤二、用服务器n分配给用户终端m的时隙变量ym,n，替换步骤一建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束,得到替换模型；利用ADMM对替换模型进行松弛和分解，得到迭代框架，分别输出用户终端侧和小蜂窝侧的优化子模型；所述替换模型为：目标函数：约束条件：步骤三、针对步骤二输出的用户终端侧和小蜂窝侧子模型，分别利用KKT条件推导出最优闭式解；步骤四、基于步骤三得到的闭式解，输出信令交互和优化迭代流程。2.如权利要求1所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述利用ADMM对替换模型进行松弛，具体为将约束条件(2-F)中的xm,n∈{0,1}替换成0≤xm,n≤1。3.如权利要求1所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述利用ADMM对替换模型进行分解，是指对替换模型进行松弛后，在得到的模型中以ym,n和am,n作为分解变量，只保留约束ym,n＝am,n，得到如下增广拉格朗日函数：其中λm,n为对偶变量，ρ为惩罚因子。4.如权利要求3所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述迭代框架根据分解后得到的增广拉格朗日函数对变量ym,n,am,n,λm,n进行迭代求解；假设第k次迭代值迭代具体步骤如下：a)的值由求解以下优化问题的最优解得到：目标函数：约束条件：b)的值由求解以下优化问题的最优解得到：目标函数：约束条件：c)的值由求解以下迭代公式得到：5.如权利要求3所述的小蜂窝集成...

【专利技术属性】
技术研发人员：成聿伦，杨龙祥，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32