一种非平衡边缘云MEC系统的多用户多任务迁移决策方法技术方案

本发明专利技术公开了一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，属于无线通信领域。该方法针对非平衡边缘云MEC系统，多个用户经多个基站共享多个边缘云服务器的计算资源，每个用户有多个计算密集型或时延敏感型任务需要迁移处理，公开一种多用户多任务迁移决策方法，该方法采用传输时延‑能量消耗‑接入成本折中量化任务迁移的用户体验，并作为迁移决策的优化目标，基于最小化所有用户迁移成本和的迁移决策能提高资源利用效率；基于最小化每个用户最大迁移成本的迁移决策能保证用户间公平性。

A Multiuser and Multitask Migration Decision Method for Non-Equilibrium Edge Cloud MEC System

【技术实现步骤摘要】
一种非平衡边缘云MEC系统的多用户多任务迁移决策方法
本专利技术涉及一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，属于无线通信领域。
技术介绍
移动边缘计算(mobileedgecomputing,MEC)通过在网络入口部署边缘云服务器(edgecloudserver,ECS)，为用户提供高可靠、低时延的计算与通信服务，旨在解决业务时延敏感或计算密集但终端处理能力受限、云计算资源丰富但接入能力受限以及移动宽带业务显著增长但承载网络管道化等矛盾。MEC推动了工业物联网、智能网联与车联网等要求提供实时高可靠服务的发展，但由于多用户多任务竞争通信与计算资源，用户体验依赖于合理的迁移决策。目前主流的MEC系统均采用平衡部署边缘云服务器，而在实际应用中，考虑到业务时空分布不均匀和ECS成本，非平衡边缘云部署是更好选择，即多个基站共享多个ECS。但会出现一系列新问题：首先，由于共享ECS和基站互耦，迁移决策更复杂。其次，优化目标对迁移决策有重要影响，典型的优化目标有传输时延、能耗或时延-能耗折中，忽略了ECS访问时延和资源占用带来的接入成本。最后，针对多用户多任务迁移，优化目标通常选择最小化迁移成本和，若某个用户全部任务迁移性能均较好，而其他用户任务迁移性能较差，可能出现该用户的任务全部迁移，而其他用户的任务无法迁移，导致用户间不公平。
技术实现思路
有鉴于此，本专利技术的目的是提供一种非平衡边缘云MEC系统的多用户多任务迁移决策方法。针对非平衡边缘云MEC系统，多个用户经多个基站接入共享多个边缘云服务器的计算资源，每个用户有多个计算密集型或时延敏感型任务需要迁移处理，本专利技术提供一种多用户多任务迁移决策方法，该方法采用任务迁移到基站的传输时延、能耗和边缘云服务器的接入成本的加权和，即传输时延-能量消耗-接入成本折中作为迁移成本，量化任务迁移的用户体验，并作为迁移决策的优化目标，基于最小化所有用户迁移成本和的迁移决策能提高资源利用效率；基于最小化每个用户最大迁移成本的迁移决策能保证用户间公平。本专利技术的目的是通过以下技术方案实现的：一种非平衡边缘云MEC(MobileEdgeComputing,MEC)系统的多用户多任务迁移决策方法，所述非平衡边缘云MEC系统包括A个移动用户(MU)、B个基站(BS)和C个边缘云服务器(ECS)，分别记为A＝{a1,...,aA},B＝{b1,...,bB},C＝{c1,...,cC}，所述移动用户i∈A有多个计算密集型或时延敏感型任务需要迁移到所述边缘云服务器中处理，任务集记为Si＝{si,1,...,si,Si}，任务si,k所需计算资源为ri,k,i∈A,k∈Si，所述基站m∈B不配置独立边缘云服务器，而是通过回程共享多个边缘云服务器，任务si,k迁移到基站m的传输时延和能量消耗分别记为ti,k,m和ei,k,m，即使不同移动用户接入同一基站，由于信道条件差异，其传输时延和能量消耗也不同，基站m拥有的连接数为Qm，所述边缘云服务器n∈C的接入成本取决于对该边缘云服务器的访问时间和计算资源占用，即不同基站有不同的边缘云服务器接入成本，基站m接入边缘云服务器n的接入成本记为δm,n,m∈B,n∈C，边缘云服务器n的计算资源为Rn，迁移决策xi,k,m,n涉及基站和边缘云服务器选择，xi,k,m,n＝1表示任务si,k通过基站m迁移到边缘云服务器n中处理，否则，xi,k,m,n＝0，任选一台边缘云服务器作为虚拟决策中心(VDC)，运行迁移决策算法，所述虚拟决策中心首先收集任务迁移计算资源需求、接入不同基站的传输时延和能量消耗、边缘云服务器的接入成本、基站的连接约束和边缘云服务器的可用计算资源等信息，然后运行迁移决策算法，将结果反馈给移动用户，任务si,k的迁移成本用任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本的加权和，即传输时延-能量消耗-接入成本折中表征：其中，πi,k,m,n＝(αiti,k,m+βiei,k,m+γiδm,n)，αi,βi,γi分别表示任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本权重，反映移动用户i的任务迁移对相应开销的偏好。进一步，所述决策方法为分别建立基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1和基于最小化每个移动用户最大迁移成本的迁移决策优化模型OP2：其中，权重ηi体现移动用户之间的公平性，ηi取值越大，表示移动用户i的迁移成本越小，约束条件：其中，(a)表示选择边缘云服务器的所有移动用户所需的计算资源和不超过该边缘云服务器能提供的计算资源；(b)表示接入基站的移动用户数不超过该基站能提供的连接数；(c)表示任意任务最多经由一个基站迁移到一个边缘云服务器。进一步，针对所述基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1采用级联贪婪迭代算法(CGIA)求解：虚拟决策中心(VDC)首先收集或更新未迁移任务的候选基站集合、边缘云服务器集合和各边缘云服务器的接入成本；然后执行内贪婪迭代算法(IGIA)搜索每个未迁移任务的最优迁移路径；接着执行外贪婪迭代算法(OGIA)选择迁移成本最小的任务，并依据最优迁移路径迁移；最后更新剩余通信资源、计算资源和未迁移任务集，由以下步骤组成：步骤11、信息采集：第l次迭代后，针对迁移任务非空用户集中移动用户i的未迁移任务集收集任务的候选基站集合候选边缘云服务器集合和各边缘云服务器的接入成本集合Qm(l)为基站m能提供的连接数；Rn(l)为边缘云服务器n能提供的计算资源；步骤12、执行IGIA算法搜索最优迁移路径：步骤12.1、根据各边缘云服务器的接入成本Δi,k(l)搜索任务经由基站m∈B迁移的最优边缘云服务器步骤12.2、根据传输时延-能量消耗-接入成本折中πi,k,m,n和最优边缘云服务器搜索任务接入的最优基站步骤12.3、更新：步骤12.4、输出任务的最佳迁移路径步骤13、执行OGIA算法选择并迁移任务：步骤13.1、根据最小传输时延-能量消耗-接入成本折中搜索未迁移任务集中具有最小传输时延-能量消耗-接入成本折中的任务：步骤13.2、更新：步骤13.3、根据搜索迁移任务非空用户集中具有最小传输时延-能量消耗-接入成本折中的移动用户：步骤13.4、更新执行任务迁移，即将移动用户i*的任务k*经基站m*迁移至边缘云服务器n*中计算处理，其传输时延-能量消耗-接入成本折中为π*，占用边缘云服务器的计算资源为步骤13.5、更新基站m*剩余连接数、边缘云服务器n*剩余计算资源、移动用户i*剩余未迁移任务集和剩余迁移任务非空用户集：其余基站m≠m*的连接数和边缘云服务器n≠n*的计算资源不变；步骤13.6、若Qm(l)＜1,或或算法结束；否则l＝l+1，跳转至步骤12；步骤13.7、算法结束。进一步，针对所述基于最小化每个移动用户最大迁移成本的迁移决策优化模型OP2采用基于公平的贪婪算法(FGIA)求解：VDC首先收集基站连接数、边缘云服务器计算资源、任务迁移到基站的传输时延和能量消耗、边缘云服务器的接入成本等；然后计算迁移任务非空用户集中移动用户的优先度，根据移动用户的优先度值选择移动用户并收集该用户的候选资源集合；其次执行内贪婪迭代算法(IGIA)搜索每个未迁移任务的最优本文档来自技高网...

【技术保护点】
1.一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，其特征在于：所述非平衡边缘云MEC系统包括A个移动用户(MU)、B个基站(BS)和C个边缘云服务器(ECS)，分别记为A＝{a1,...,aA},B＝{b1,...,bB},C＝{c1,...,cC}，所述移动用户i∈A有多个计算密集型或时延敏感型任务需要迁移到所述边缘云服务器中处理，任务集记为

【技术特征摘要】
1.一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，其特征在于：所述非平衡边缘云MEC系统包括A个移动用户(MU)、B个基站(BS)和C个边缘云服务器(ECS)，分别记为A＝{a1,...,aA},B＝{b1,...,bB},C＝{c1,...,cC}，所述移动用户i∈A有多个计算密集型或时延敏感型任务需要迁移到所述边缘云服务器中处理，任务集记为任务si,k所需计算资源为ri,k,i∈A,k∈Si，所述基站m∈B不配置独立边缘云服务器，而是通过回程共享多个边缘云服务器，任务si,k迁移到基站m的传输时延和能量消耗分别记为ti,k,m和ei,k,m，即使不同移动用户接入同一基站，由于信道条件差异，其传输时延和能量消耗也不同，基站m拥有的连接数为Qm，所述边缘云服务器n∈C的接入成本取决于对该边缘云服务器的访问时间和计算资源占用，即不同基站有不同的边缘云服务器接入成本，基站m接入边缘云服务器n的接入成本记为δm,n,m∈B,n∈C，边缘云服务器n的计算资源为Rn，迁移决策xi,k,m,n涉及基站和边缘云服务器选择，xi,k,m,n＝1表示任务si,k通过基站m迁移到边缘云服务器n中处理，否则，xi,k,m,n＝0，任选一台边缘云服务器作为虚拟决策中心(VDC)，运行迁移决策算法，所述虚拟决策中心首先收集任务迁移计算资源需求、接入不同基站的传输时延和能量消耗、边缘云服务器的接入成本、基站的连接约束和边缘云服务器的可用计算资源等信息，然后运行迁移决策算法，将结果反馈给移动用户，任务si,k的迁移成本用任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本的加权和，即传输时延-能量消耗-接入成本折中表征：其中，πi,k,m,n＝(αiti,k,m+βiei,k,m+γiδm,n)，αi,βi,γi分别表示任务迁移到基站的传输时延、能量消耗和边缘云服务器的接入成本权重，反映移动用户i的任务迁移对相应开销的偏好。2.根据权利要求1所述的一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，其特征在于：所述决策方法为分别建立基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1和基于最小化每个移动用户最大迁移成本的迁移决策优化模型OP2：其中，权重ηi体现移动用户之间的公平性，ηi取值越大，表示移动用户i的迁移成本越小，约束条件：其中，(a)表示选择边缘云服务器的所有移动用户所需的计算资源和不超过该边缘云服务器能提供的计算资源；(b)表示接入基站的移动用户数不超过该基站能提供的连接数；(c)表示任意任务最多经由一个基站迁移到一个边缘云服务器。3.根据权利要求2所述的一种非平衡边缘云MEC系统的多用户多任务迁移决策方法，其特征在于：针对所述基于最小化所有移动用户迁移成本和的迁移决策优化模型OP1采用级联贪婪迭代算法(CGIA)求解：虚拟决策中心(VDC)首先收集或更新未迁移任务的候选基站集合、边缘云服务器集合和各边缘云服务器的接入成本；然后执行内贪婪迭代算法(IGIA)搜索每个未迁移任务的最优迁移路径；接着执行外贪婪迭代算法(OGIA)选择迁移成本最小的任务，并依据最优迁移路径迁移；最后更新剩余通信资源、计算资源和未迁移任务集，由以下步骤组成：步骤11、信息采集：第l次迭代后，针对迁移任务非空用户集中移动用户i的未迁移任务集收集任务的候选基站集合候选边缘云服务器集合和各边缘云服务器的接入成本集合Qm(l)为基站m能提供的连接数；Rn(l)为边缘云服务器n能提供的计算资源；步骤12、执行IGIA算法搜索最优迁移路径：步骤12.1、根据各边缘云服务器的接入成本Δi,k(l)搜索任务经由基站m∈...

【专利技术属性】
技术研发人员：刘康，汤玮，刘璐，刘旭，石际，袁汉云，李赟，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州,52