【技术实现步骤摘要】
联合能量和延迟优化的移动边缘计算任务调度方法
本专利技术属于无线网络
,涉及一种联合能量和延迟优化的移动边缘计算资源调度方法。
技术介绍
随着万物互联时代的到来,网络边缘设备产生的数据量快速增加,一方面需要更高的数据传输带宽,另一方面新型应用对业务处理的时效性提出了更高要求,传统云计算模型已经无法有效应对面临的挑战。为了应对面临的挑战,边缘计算应运而生。边缘计算的基本思想是将计算任务在接近数据源的计算资源上运行,这样一方面可以有效减小计算系统的延迟,另一方面减少数据传输带宽,缓解云计算中心压力,提高可用性,再者可以保护数据安全和隐私。与使用远程公共云的传统云计算系统相比,将计算密集型任务从移动设备卸载到附近的MEC服务器,MEC系统的服务质量或用户体验很大程度上依赖于计算任务的卸载策略和资源分配方法,受许多应用可以被分成一系列子任务的启发,细粒度计算任务卸载正被广泛研究。部分卸载联合优化算法是一种细粒度计算量卸载迭代算法:1、先固定卸载任务的卸载功率,在对应功率下求能达到最小完成时间的任务卸载顺序与卸载决策。2、由上一步得到的卸载顺序固定不变的条件下求各个卸载任务在该卸载顺序下所对应的最优化功率。反复进行这两步迭代直到最终任务完成时间收敛。能耗和延迟是MEC系统中两个非常重要的性能指标,以能耗和延迟优化的移动边缘计算网络中的任务调度和功率分配方法实际是构造一个联合任务调度与功率优化的问题。用户的计算任务被分成N个互相独立的部分,根据任务的传输特性和服务器CPU、用户CPU的情况分类卸载。通过将任务划分成本地执行和服务器执行,采用部分卸载调度算法和功率 ...
【技术保护点】
1.联合能量和延迟优化的移动边缘计算任务调度方法,其特征在于,包括以下步骤:步骤1:计算每个任务在的本地执行时间,在边缘服务器的执行时间,任务卸载传输时间,边缘服务器执行耗能,本地执行耗能,步骤2:基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量,步骤3:求解卸载任务集合S中所有任务的卸载传输功率,步骤4:比较Val_old和Val_new,如果新算出的目标函数值与上一次循环的目标值的差值大于门限值ε,即Val_new‑Val_old>ε,则退出,否则重复步骤1‑步骤3。
【技术特征摘要】
1.联合能量和延迟优化的移动边缘计算任务调度方法,其特征在于,包括以下步骤:步骤1:计算每个任务在的本地执行时间,在边缘服务器的执行时间,任务卸载传输时间,边缘服务器执行耗能,本地执行耗能,步骤2:基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量,步骤3:求解卸载任务集合S中所有任务的卸载传输功率,步骤4:比较Val_old和Val_new,如果新算出的目标函数值与上一次循环的目标值的差值大于门限值ε,即Val_new-Val_old>ε,则退出,否则重复步骤1-步骤3。2.根据权利要求1所述的联合能量和延迟优化的移动边缘计算任务调度方法,其特征在于,步骤1中的计算每个任务Ti在的本地执行时间在边缘服务器的执行时间任务卸载传输时间边缘服务器执行耗能本地执行耗能的步骤为:任务Ti在边缘服务器的执行时间表示为:任务Ti的本地执行时间表示为:任务Ti的卸载传输速度为:其中,w为传输带宽,g0为路径损耗常数,L0为相对距离,L为实际距离,θ为路径损耗指数,N0为噪声功率谱密度,pi表示边缘设备卸载任务Ti到边缘服务器的传输功率。任务Ti的卸载传输时间为:任务Ti的卸载执行耗能为:其中,δS为边缘服务器每CPU周期的耗能,单位为焦耳/周期,η1为任务执行能量权重。任务Ti的本地执行耗能为:其中,δL为边缘设备每CPU周期耗能,单位为焦耳/周期。3.根据权利要求1所述的联合能量和延迟优化的移动边缘计算任务调度方法,其特征在于,步骤2中的基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量,输入为所有任务集合G,边缘设备CPU频率fuser,边缘服务器CPU频率fser。输出为卸载任务集合S={S1,S2,...,SNs},本地任务集合L={L1,L2,...,LNl},所有任务集合σ,卸载决策向量x。基于CPU处理任务所需周期数的卸载调度方法步骤如下:1)求各个任务对应的CPU处理所需周期数K={Ki|Ki=dici,Ti∈G}。根据Ki的大小对所有任务降序排列,得到新的任务顺序Kopt。2)设数组Kopt初始下标值为h=1,根据公式(7)(8)分别计算若放入本地集合L、卸载集合S后的完成时间3)若则放入本地集合L,任务的卸载决策变量反复执行步骤i)直至退出该步进入步骤4)。反之,任务放入卸载集合S,任务的卸载决策变量反复执行步骤ii)直至退出该步进入步骤4)。ⅰ)反复执行该步直至退出该步进入步骤4),比较若放入本地集合L和卸载集合S的完成时间的大小,根据式(9)计算任务Lk0完成时间,根据式(10)计算任务Sk1完成时间。若任务的卸载决策变量任务放入本地集合L,h=h+1;反之,任务放入卸载集合S,h=h+1,并执行4)。ⅱ)反复执行该步直至退出该步进入步骤4),比较若放入本地集合L和卸载集合S的完成时间的大小,根据式(9)计算任务Lk0完成时间,根据式(10)计算任务Sk1完成时间。若任务的卸载决策变量任务放入卸载集合S,h=h+1;反之,任务放入卸载集合S,h=h+1,并执行4)。其中4)若任务的卸载决策变量任务放入本地集合L,否则任务的卸载决策变量任务放入卸载集合S。h=h+1,反复执行该步直至h=N。5)对卸载集合S中所有任务进行分类,通过比较卸载传输时间和边缘服务器执行时间将卸载传输时间小于边缘服务器执行时间的任务加入数组P,将P中所有任务根据卸载传输时间升序排列。将卸载传输时间大于或等于边缘服务器执行时间的任务加入数组Q,将Q中所有任务根据边缘服务器执行时间降序排列。将数组Q加到数组P后面得到新的任务顺序S=[PQ]。4.根据权利要求1所述的联合能量和延迟优化的移动边缘计算任务调度方法,其特征在于,步骤3中求解卸载任务集合S中所有任务的卸载传输功率,输入...
【专利技术属性】
技术研发人员:邝祝芳,李林峰,汪茄琪,
申请(专利权)人:中南林业科技大学,
类型:发明
国别省市:湖南,43
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。