移动边缘计算网络中任务卸载及资源分配的联合优化方法技术

本发明专利技术公开了移动边缘计算网络中任务卸载及资源分配的联合优化方法，包括以下步骤：步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；步骤二：引入卸载决策机制；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。本发明专利技术具有在保证严格时延限制的前提下，能有效降低系统能耗的优点。

Joint optimization of task unloading and resource allocation in mobile edge computing networks

The invention discloses a joint optimization method for task uninstallation and resource allocation in mobile edge computing network, which includes the following steps: first, establishing a scene model of multi-MEC base station and multi-user based on OFDMA, in which MEC base station supports multi-user access; second, introducing uninstall decision mechanism; and constructing local computing model and remote computing model to select needs. According to the above conditions, a computing task unloading and resource allocation scheme based on minimum energy consumption under the condition of satisfying delay constraints is established. Step 3: To simplify the problem, the optimization variables of unloading decision variables, wireless resource allocation variables and computing resource allocation variables are fused, and the branch-and-bound algorithm is used to obtain the optimal M. The result of unloading decision and resource allocation with the lowest total energy consumption in EC system. The invention has the advantages of effectively reducing energy consumption of the system on the premise of ensuring strict time delay limitation.

【技术实现步骤摘要】
移动边缘计算网络中任务卸载及资源分配的联合优化方法
本专利技术属于移动通信和移动边缘计算
，尤其涉及一种移动边缘计算网络中任务卸载及资源分配的联合优化方法。
技术介绍
近年来，随着移动互联网和物联网的高速发展，诸如智能手机、智能手环等移动设备(MobileDevices，MDs)的数量呈指数增长，与之伴随出现了越来越多的计算密集型应用，如人脸识别、电子医疗、自然语言处理、交互式游戏等。这类应用计算复杂度高、能量消耗大、要求时延低，但移动终端往往在计算资源、存储资源和电池容量上受限，大量的计算需求远远超出本地移动设备能够提供的服务。计算卸载技术为上述问题提供了解决方案。计算卸载技术最初应用于云计算，云计算能够提供强大的计算能力，将计算与存储任务卸载到云服务器，计算任务完成后，云服务器再将计算结果返回到本地设备端，从而缩小了资源受限的移动设备与日益增多的资源密集型应用之间的差距。但是核心云数据中心距离移动设备非常远，数据的传输非常复杂，导致时延很大，并且将任务卸载到云端将会产生额外的回程开销，下一代移动云计算(MobileCloudComputing，MCC)系统的部署和管理方式将面临巨大的挑战。为了缓解回程开销的压力和时延要求，移动边缘计算(MobileEdgeComputing，MEC)进入了人们的视野，它的提出是为了解决下一代移动通信(5G)面临的海量移动设备介入造成的全球计算资源短缺的问题，受到了学术界及工业界的广泛关注。作为5G的核心架构之一，移动边缘计算将互联网技术和无线网络结合在一起，将计算及存储任务拉近到网络边缘，减轻网络压力，使得移动网络传输成本更低且效率更高。在MEC网络中进行任务卸载来服务计算密集型应用，已成为未来通信网络发展的主要趋势。然而，与云计算不同的是，边缘服务器的资源是有限的。因此，无线资源和计算资源的分配对MEC系统来说尤为重要，其中前者影响数据传输速率和设备的能耗，而后者影响任务的计算时延。因而亟需专利技术一种在保证时延的前提下，能有效降低整个系统能耗的移动边缘计算网络中任务卸载及资源分配方法。
技术实现思路
本专利技术的目的是提供一种在保证时延的前提下，能有效降低整个系统能耗的移动边缘计算网络中任务卸载及资源分配的联合优化方法。为实现上述目的，本专利技术采用了如下技术方案：所述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，包括以下步骤：步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；步骤二：引入卸载决策机制来表示移动设备的任务在何处执行完成；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。进一步地，前述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其中：步骤一具体包括：建立S个MEC基站、K个MDs、N个子载波的场景模型，在该场景下，基站、移动设备、信道三者表示为：＝{1,2,...,S}，N＝{1,2,...,N}，K＝{1,2,...,K}；并假设MEC服务器的中央处理器在当前时刻是空闲的，子载波相互独立，每个MDs拥有一个计算密集型任务，每个任务可表示为A(Dk,Xk,τk)，其中，Dk表示任务数据的大小，单位是比特(bits)；Xk表示计算负载，单位是CPU/bit；τk为计算任务的时延上限，DkXk表示完成任务所需的CPU数；一个任务可以在设备端完成，或卸载到基站侧的MEC服务器完成，并假设每个任务不可以被分解为子任务；同时上述参数通过应用程序分析器得到。进一步地，前述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其中：步骤二具体包括以下步骤：步骤(2.1)：建立卸载决策机制用B＝{bk,s|bk,s∈{0,1},k∈,s∈}表示卸载决策矩阵，它不仅表示MDs是否进行卸载，且表示卸载到何处；其中bk,s＝1表示第k个设备的任务卸载到第s个MEC服务器上执行；否则，bk,s＝0；步骤(2.2)：构建本地计算模型：移动终端的计算能力由表示，不同终端具有不同的计算能力；本地完成计算任务的时间与能耗分别写作：其中，k0是一个与设备CPU相关的常数，步骤(2.3)：构建远端计算模型：其中，典型的远端计算流程如下：(1)移动设备k通过上行链路将任务A上传到MEC服务器s；(2)计算任务在MEC服务器上执行，且服务器s给任务k分配的计算资源为Fk,s；(3)MEC服务器将计算结果返回给用户；由于与输入服务器的数据量相比，输出结果很小，可以忽略不计，因此可只考虑流程前两个步骤(1)、(2)；移动设备端接入MEC基站的上传速率为：其中，BN表示子载波带宽，W＝{wk,n,s|wk,n,s∈{0,1},k∈,n∈,s∈}为子载波分配矩阵，它定义了是否将子载波n分配给移动设备k和MEC服务器s；gk,n,s表示了设备k和服务器s通过信道n进行传输时的信道增益；Pk为传输功率；移动设备k的远端计算完成总时间可以写为：其中，为设备k的上行传输时延，为设备k的远端执行时间，它们可以分别写作：其中，Fk,s表示第s个MEC服务器分给第k个MD的计算资源；设备k的远端计算完成总能耗为：在MEC系统中，与用户体验质量相关的两个参数为任务完成时延和能耗，综合考虑B、W、F，得到完成任务的时延和能耗分别为：当任务k在本地完成时(bk,s＝0)，令若bk,s＝1，那么令“是否卸载”的问题，可以写作：其中，bk,0＝1表示任务k在本地完成；否则，bk,0＝0，E0和τk分别表示能耗阈值和时延阈值来限制最大花销；步骤(2.4)：只考虑需要卸载的移动设备中的任务，并设置集合'表示这些设备，其中'∈；然后将这个联合优化的问题设为系统能耗最小化问题：其中，约束C1说明bk,s是一个二元变量；约束C2表明每个MD只能将任务卸载到一个基站；C3和C4分别表示wk,n,s是关于子载波分配的二元变量并且在每次卸载决策时，每个子载波只能被分配给一个MD；对任一基站，C5确保了分配给任一MD的子载波数量不能超过最大可用子载波数量；C6和C7是对计算资源分配的约束，C6限制了Fk,s的取值范围，C7保证一个MEC服务器给MD分配的资源不能超出它的最大计算资源Fs；约束C8表明了wk,n,s和Fk,s之间的关系；我们用C9来确保移动设备k的远端计算总时延不超出它的最大时延。进一步地，前述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其中：在步骤三中，bk,s、wk,n,s、Fk,s三个变量是相互制约的，它们之间的关系如下：可以将bk,s合并到wk,n,s和Fk,s中；并通过上述公式(1)，将问题P转化为P1：s.t.C1-C8，。进一步地，前述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其中：步骤四具体包括以下步骤：步骤(4.1)：定义“任务-服务器对”＝{(k,n,s)}作为分支定界树；并延伸出两个子集0＝{(k,n,s)|bk,s＝0}和1＝{(k,n,本文档来自技高网...

【技术保护点】
1.移动边缘计算网络中任务卸载及资源分配的联合优化方法，其特征在于：包括以下步骤：步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；步骤二：引入卸载决策机制来表示移动设备的任务在何处执行完成；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。

【技术特征摘要】
1.移动边缘计算网络中任务卸载及资源分配的联合优化方法，其特征在于：包括以下步骤：步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；步骤二：引入卸载决策机制来表示移动设备的任务在何处执行完成；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。2.根据权利要求1所述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其特征在于：步骤一具体包括：建立S个MEC基站、K个MDs、N个子载波的场景模型，在该场景下，基站、移动设备、信道三者表示为：＝{1,2,...,S}，N＝{1,2,...,N}，K＝{1,2,...,K}；并假设MEC服务器的中央处理器在当前时刻是空闲的，子载波相互独立，每个MDs拥有一个计算密集型任务，每个任务可表示为A(Dk,Xk,τk)，其中，Dk表示任务数据的大小，单位是比特(bits)；Xk表示计算负载，单位是CPU/bit；τk为计算任务的时延上限，DkXk表示完成任务所需的CPU数；一个任务可以在设备端完成，或卸载到基站侧的MEC服务器完成，并假设每个任务不可以被分解为子任务；同时上述参数通过应用程序分析器得到。3.根据权利要求2所述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其特征在于：步骤二具体包括以下步骤：步骤(2.1)：建立卸载决策机制用B＝{bk,s|bk,s∈{0,1},k∈,s∈}表示卸载决策矩阵，它不仅表示MDs是否进行卸载，且表示卸载到何处；其中bk,s＝1表示第k个设备的任务卸载到第s个MEC服务器上执行；否则，bk,s＝0；步骤(2.2)：构建本地计算模型：移动终端的计算能力由表示，不同终端具有不同的计算能力；本地完成计算任务的时间与能耗分别写作：其中，k0是一个与设备CPU相关的常数；步骤(2.3)：构建远端计算模型：其中，典型的远端计算流程如下：(1)移动设备k通过上行链路将任务A上传到MEC服务器s；(2)计算任务在MEC服务器上执行，且服务器s给任务k分配的计算资源为Fk,s；(3)MEC服务器将计算结果返回给用户；由于与输入服务器的数据量相比，输出结果很小，可以忽略不计，因此可只考虑流程前两个步骤(1)、(2)；移动设备端接入MEC基站的上传速率为：其中，BN表示子载波带宽，W＝{wk,n,s|wk,n,s∈{0,1},k∈,n∈,s∈}为子载波分配矩阵，它定义了是否将子载波n分配给移动设备k和MEC服务器s；gk,n,s...

【专利技术属性】
技术研发人员：朱洪波，杨小彤，饶安琪，余雪勇，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32