Mobile Edge Computing (MEC) brings low latency, low power consumption and high reliability advantages by providing IT service environment and cloud computing capability on the edge of mobile network, thus becoming a hot research topic in the future 5G. This paper publicly invents a task unloading and resource allocation scheme based on MEC, including formulating the joint optimization problem of unloading decision and resource allocation; using coordinate descent method to optimize unloading decision; using improved Hungarian algorithm and greedy algorithm to allocate subchannels to users under the condition of user delay; and transforming energy consumption minimization problem into power minimization problem. And it is transformed into a convex optimization problem to obtain the optimal transmission power for users. The invention can meet the requirements of different users with different time delays, minimize the total energy consumption of the system and effectively improve the system performance.
【技术实现步骤摘要】
一种基于MEC的任务卸载和资源分配方案
本专利技术涉及移动边缘计算和无线通信
,特别涉及一种基于MEC的任务卸载和资源分配方案。
技术介绍
近年来,随着移动网络和智能化移动设备的不断升级,移动互联网用户数量呈现爆炸式增长。目前,第五代移动通信(5G,thefifthgenerationofmobiletechnology)面临着爆炸式数据流量增长与海量设备连接并存的新挑战。与此同时,5G网络新增的业务场景,诸如交互式体感游戏、人脸识别、无人驾驶、虚拟现实、工业物联网通信等,由于它们对时延、能耗、可靠度等指标有了更高的需求,为了应对移动互联网高速发展带来的对应发展需求,未来的5G通信需满足超低时延、超低功耗、超高可靠、超高密度连接等各项性能需求,因此,在未来的移动通信中不仅要求无线蜂窝网络具有高速的数据传输能力,而且还要有强大的计算能力对这些数据进行处理。目前,增强现实(AR,augmentreality)、在线游戏、智慧城市、新兴物联网产业等新增业务飞速发展。然而,现有的移动设备由于电池电量有限、计算能力不足等因素已经无法满足这些新型的互联网和智能化业务对于低时延、高复杂、高可靠性的需求,进而影响用户体验。虽然移动云计算在一定程度上满足了用户对于这些业务的性能需求,它允许移动设备将本地复杂、大量的计算任务部分或完全卸载到位于核心网的云数据中心来执行,从而解决了移动设备自身资源紧缺问题,并且在一定程度上节约了任务本地执行时对设备能量的消耗。但是,将任务卸载到位于核心网的云数据中心需要通过回传网络,他会消耗回程链路资源,当大量的业务需要卸载到云服务器时, ...
【技术保护点】
1.一种基于MEC的任务卸载和资源分配方案,其特征在于,包括以下步骤:步骤101:制定卸载决定和资源分配的联合优化问题;步骤102:采用坐标下降法来优化卸载决定;步骤103:采用改进的匈牙利算法和贪婪算法来对用户进行子信道分配;步骤104:将能耗最小化问题转化为功率最小化问题,并将其转化为一个凸优化问题得到用户最优的发送功率。
【技术特征摘要】
1.一种基于MEC的任务卸载和资源分配方案,其特征在于,包括以下步骤:步骤101:制定卸载决定和资源分配的联合优化问题;步骤102:采用坐标下降法来优化卸载决定;步骤103:采用改进的匈牙利算法和贪婪算法来对用户进行子信道分配;步骤104:将能耗最小化问题转化为功率最小化问题,并将其转化为一个凸优化问题得到用户最优的发送功率。2.根据权利要求1所述的方法,其特征还在于,所述步骤101制定卸载决定和资源分配的联合优化问题包括:定义an∈{0,1}为用户的卸载决策,0代表用户选择本地执行,1代表用户选择卸载到MEC执行;因此,我们用A={a1,...,aN}表示所有用户的卸载决定,在任务卸载的过程中每个用户设备将会对本地计算的花费进行评估,然后上报给MEC;同时,MEC也会评估每个用户设备卸载时的花费,然后,MEC通过比较本地和卸载的花费,做出相应的卸载决定,卸载决定表示为:这里用Nc表示卸载的用户数目,用Nc表示卸载的用户集合,则本地计算的用户的数目为N-Nc,表示用户n选择本地计算的能耗,表示用户n选择卸载计算,考虑到用户的时延需求和有限的电池电量,本发明将通过优化卸载决定A和子信道分配矩阵C以及功率分配矩阵P来最小化用户的总能耗,给出了本发明需要优化的目标函数:其中,和分别表示本地和卸载计算时用户n的时延,表示用户n所能接受的最大时延,表示信道分配情况,表示第k个子信道被分配给了第n个用户,则表示没有分配第k个子信道,表示第n个用户在第k个子信道上的发送功率,Pmax表示用户的最大发送功率,C1表示计算任务时用户所能容忍的最大时延要求,C2表示的是用户的发送功率不能大于它的最大发送功率,C3表示每个子信道上的发送功率是非负的,C4表示的是信道的分配状态,C5表示卸载决定是一个二进制变量。3.根据权利要求1所述的方法,其特征还在于,所述步骤102采用坐标下降法来优化卸载决定包括:用A=[a1,a2,...,aN]表示所有用户的卸载决定,给定初始卸载决定A0为全1矩阵,Al-1表示在第l-1(l=1,2,...)次迭代时的卸载决定,相应的用V(al...
【专利技术属性】
技术研发人员:李虎,张海波,陈善学,刘开健,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
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。