联合能量和延迟优化的移动边缘计算任务调度方法技术

本发明专利技术公开一种联合能量和延迟优化的移动边缘计算任务调度方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间

Joint Energy and Delay Optimized Task Scheduling Method for Mobile Edge Computing

【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优化算法，能够在大幅度降低能量消耗的同时大幅度降低延迟，从而提高用户体验和能量、网络资源利用率。在无线网络中，由于信道资源与电池电量有限，同频干扰、多径干扰的存在，本专利技术有利于缓解上述问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种联合能量和延迟优化的移动边缘计算任务调度方法，解决5G异构网络中的延迟和能量优化问题，通过有效的卸载资源调度和功率分配方法，减少射频资源的使用并减小任务延迟。专利技术的技术解决方案如下：联合能量和延迟优化的移动边缘计算任务调度方法，将边缘设备所有任务抽象成包含两个特征的任务集合G＝{Ti|1≤i≤N},Ti＝(di,ci)，其中di为任务的数据量大小，单位为比特；ci为处理每单位数据量所需CPU周期数，单位为周期/比特。边缘设备的CPU频率为fuser，单位为Hz，边缘服务器的CPU频率为fser,单位为Hz，所有任务的初始传输功率设为最大传输功率pmax，初始化目标值Val_new。本专利技术提出的移动边缘计算网络中的联合任务调度和功率分配方法，步骤如下：1、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。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，基于CPU处理任务所需周期数的卸载调度方法步骤如下：输入：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：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。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h＝h+1，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h＝h+1，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]。3、根据步骤2求得的卸载任务集合和卸载决策向量，求解卸载任务集合S中所有任务的卸载传输功率，采用凸优化的方法进行求解，基于凸优化的卸载任务传输功率的求解步骤如下：输入：所有卸载任务集合S＝{S1,S2,...,SNs}，本地任务集合L＝{L1,L2,...,LNl}，边缘设备CPU频率fuser，边缘服务器CPU频率fser，最大传输功率pmax。输出：卸载任务集合S，卸载任务Si传输功率psi。1)联合任务调度和功率分配问题的目标是最小化能量消耗和所有任务的完成时间，优化问题的数学模型如(12)至(15)所示，记为原问题P1。其中式(12)为目标函数，式(13)至(15)为约束。P1其中表示排序后所有卸载任务的完成时间，Ns表示所有卸载执行任务数，Nl表示本地执行任务数，为传输能耗，C＝ηN0w/[g0(L0/L)θ]，η为任务传输能量权重参数，为排序后第Si个卸载任务的传输速率的倒数。表示边缘服务器执行所有卸载任务的总能耗，表示边缘设备执行所有本地任务的总能耗。为排序后第Si个卸载任务的完成时间，为集合S中第Si个卸载任务的服务器处理时间。表示第Si个卸载任务分配最大传输功率pmax时的最大传输速率。为集合S中第S1至第Si个卸载任务的传输时间，计算公式如式(11)所示。2)对步骤1)的联合优化问题P1进行问题转换，具体步骤包括：ⅰ)引入拉格朗日乘子和构造的拉格朗日函数如式(16)所示。ii)根据步骤3求得卸载决策向量之后，可以确定卸载任务集合S，所有卸载任务Si的完成时间边缘服务器执行时间卸载任务执行能耗以及本地任务执行能耗故问题P1的最优解可通过求问题本文档来自技高网...

【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