一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法组成比例

本发明专利技术提供一种可充电移动边缘计算中能量‑延迟平衡的动态任务分配方法，包括步骤：S1：设置移动设备发出请求产生的任务执行包括三种模式；S2：建立移动设备发出请求产生的任务优化分配的数学模型；S3：采集初始化相应参数；S4：采集第1个时隙的移动设备捕获的能量Eh(1)和信道功率增益H(1)，并计算虚拟电源能量队列

A Dynamic Task Allocation Method for Energy-Delay Balance in Charging Mobile Edge Computing

【技术实现步骤摘要】
一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法
本专利技术涉及移动设备的任务分配计算的
，具体涉及一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法。
技术介绍
智能手机、平板电脑和可穿戴设备等移动设备的日益普及，加速了物联网技术的发展，并引发了移动应用程序的革命，越来越多的大型复杂计算应用应运而生。然而，由于智能移动设备的工业趋向于小型化和轻薄化，当其面对大规模计算任务时，依旧存在着很多技术瓶颈。一是其计算能力仍然不能满足复杂移动应用的要求，需要花费较长的时间才能获取计算结果；二是其本身配备的电池容量不足以支撑长时间的复杂型计算，从而影响设备电池寿命；三是在其本身配备的电池容量不足的情况下，往往采用将任务丢弃不执行的策略，使得执行的任务不完整。为了解决上述问题，以移动云计算为基础的移动边缘计算(MEC)作为一种新型计算模式引起了广泛关注。其中心思想是将资源受限的移动设备所需处理的大规模计算任务切割成子任务，迁移到距离移动设备较近的边缘服务内处理，从而减轻了移动设备的计算负担。与传统的云计算技术(如亚马逊，谷歌)相比，移动边缘计算中设置的服务器更接近智能移动设备，从而减少了计算任务传输的网络跳数。因此，将计算负载卸载到移动边缘服务器不仅可以减少数据传输拥塞，从而减少传输延迟，还可以节省能量消耗并进一步延长移动设备的电池寿命。遗憾的是，尽管计算迁移在利用边缘服务器上的强大计算资源方面是有效的，但对于传统的电池供电设备，当用于任务处理的电池能量不足，计算性能可能会受到影响，即移动设备应用会被终止，移动设备将停止工作。这可以通过使用更大的电池或定期给电池充电来克服。然而，在移动设备上使用更大的电池意味着增加的硬件成本，这是移动设备制造商不希望的。另一方面，频繁的充电可能会影响移动设备的便携性，影响用户的体验，此外，在电池能量源不足的极端环境下，频繁充电是很难实现的。因此，在过去的十年中，人们对绿色能源的需求激增。能量收集技术被认为是解决这一问题的有效方法。它可以使移动设备通过能量收集设备捕获环境中的可再生能源，如太阳辐射等。针对传统移动设备存在的上述问题，利用能量收集技术实现了移动设备的能量补充和稳定运行。将能量收集技术集成到移动边缘系统中，实现了移动设备连续高效的计算性能，但随之而来的是新的挑战。首先，能量收集设备从环境中获取的能量是可变的，且移动设备每一刻的能量消耗也是不可预测的，从而在应用执行过程中如何保证电池电量的稳定是我们需要注意的问题。其次，系统越复杂，影响卸载决策的因素就越多，如何设计算法保证系统高效运行同样存在挑战。
技术实现思路
有鉴于此，本专利技术的目的是提供一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法，设计了三种执行任务移动设备任务的模式，在原装电源不足的情况下，以低功耗模式执行任务，不仅降低了任务丢弃率，也保证了系统的完整性，且最大限度的利用绿色环保能源，降低污染，此外，还综合考虑到能源消耗和延迟成本，提高了移动设备任务的分配和计算的效率。本专利技术提供一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法，包括步骤：S1：建立移动设备发出请求产生的任务执行模型，包括移动设备和移动边缘服务器；所述移动设备与移动边缘服务器连接，用于将移动设备发出请求产生的任务传输到移动边缘服务器；所述移动设备设置有原装电源模块；所述移动设备设置有备用电源模块；所述原装电源的能量来自于可再生能源，用于为移动设备本地执行任务、传输任务和移动边缘服务器执行任务供能；所述备用电源的能量来自于不可再生能源，用于为移动设备本地执行任务供能；设置移动设备发出请求产生的任务执行包括三种模式：模式一：分配给移动设备本地执行且利用原装电源供能模式；模式二：分配给移动设备本地执行且利用备用电源供能；模式三：移动设备传输任务到移动边缘服务器执行且利用原装电源供能模式；将任务执行模型的任务处理周期划分为T个时间长度的相等的时隙；S2：建立移动设备发出请求产生的任务优化分配的数学模型，所述数学模型包括设计变量、目标函数和约束条件；其中，步骤S2具体包括步骤：S201：确定设计变量：将任务执行模式的决策变量Ij(t)、移动设备本地且利用原装电源执行任务的频率f(t)、移动设备传输任务到移动边缘服务器的传输功率P(t)和移动设备捕获的能量Eh(t)作为设计变量；S202：确定目标函数：以移动设备发出请求产生的任务的执行能耗成本和延迟成本的加权和最小化为移动设备发出请求产生的任务优化分配的目标函数；其中，目标函数为：其中，表示通过优化设计Ij(t)、f(t)、P(t)、Eh(t)和I′(t)中的任意一项或者任意多项变量，任达到最小；Ij(t)为第t个时隙内移动设备发出请求产生的任务的决策变量，Ij(t)∈{0，1}，j∈{l，o，b}；当j为l时，Il(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式一执行的决策变量，Il(t)＝1表示第t个时隙内移动设备发出的请求产生的任务采用模式一执行，Il(t)＝0表示第t个时隙内移动设备发出的请求产生的任务未采用模式一执行；当j为b时，Ib(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式二执行的决策变量，Ib(t)＝1表示第t个时隙内移动设备发出的请求产生的任务采用模式二执行，Ib(t)＝0表示第t个时隙内移动设备发出的请求产生的任务采用未模式二执行；当j为o时，Io(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式三执行的决策变量，Io(t)＝1表示第t个时隙时隙内移动设备发出的请求产生的任务采用模式三执行，Io(t)＝0表示第t个时隙时隙内移动设备发出的请求产生的任务未采用模式三执行；f(t)为第t个时隙内采用模式一执行任务的执行频率，P(t)为第t个时隙内移动设备传输任务到移动边缘服务器的传输功率，Eh(t)为第t个时隙内移动设备捕获的能量，N为移动设备发出的请求的总数量，Qi(t)为第t个时隙内移动设备发出的第i个请求产生的任务队列，Al，i(t)为第t个时隙内移动设备发出的第i个请求采用模式一执行的待执行任务数据大小，Ai(t)为移动设备发出的第i个请求产生的任务数据大小，1[]为指标函数，若1[]中的位于[]中的式子成立，则1[]＝1，若1[]中的位于[]中的式子不成立，则1[]＝0；Di(t)为第t个时隙内移动设备发出的第i个请求采用模式一执行的已完成任务数据大小，为第t个时隙内虚拟电源能量队列，Ec(t)为第t个时隙内移动设备的原装电源的总能耗，Ec(t)＝El(t)+Eo(t)，V为任务积压控制参数，0＜V＜+∞，E(t)为第t个时隙内执行任务的总能耗成本，γ为移动设备能耗成本和延迟成本的权重，TD(t)为第t个时隙内到达任务的总延迟；I′(t)为第t个时隙的惩罚因子选择变量，I′(t)∈{F，1}，F为惩罚因子，F＞0，若第t个时隙移动设备发出的请求产生的任务采用模式二执行，则I′(t)＝F；若第t个时隙移动设备发出的请求产生的任务未用模式二执行，则I′(t)＝1；S203：确定约束条件：所述约束包括：(2-1)决策变量约束条件：Io，i(t)+Il，i(t)+Ib，i(t)＝1(2)其中，Il，i(t)、Ib，i本文档来自技高网...

【技术保护点】
1.一种可充电移动边缘计算中能量‑延迟平衡的动态任务分配方法，其特征在于：包括步骤：S1：建立移动设备发出请求产生的任务执行模型，包括移动设备和移动边缘服务器；所述移动设备与移动边缘服务器连接，用于将移动设备发出请求产生的任务传输到移动边缘服务器；所述移动设备设置有原装电源模块；所述移动设备设置有备用电源模块；所述原装电源的能量来自于可再生能源，用于为移动设备本地执行任务、传输任务和移动边缘服务器执行任务供能；所述备用电源的能量来自于不可再生能源，用于为移动设备本地执行任务供能；设置移动设备发出请求产生的任务执行包括三种模式：模式一：分配给移动设备本地执行且利用原装电源供能模式；模式二：分配给移动设备本地执行且利用备用电源供能；模式三：移动设备传输任务到移动边缘服务器执行且利用原装电源供能模式；将任务执行模型的任务处理周期划分为T个时间长度的相等的时隙；S2：建立移动设备发出请求产生的任务优化分配的数学模型，所述数学模型包括设计变量、目标函数和约束条件；其中，步骤S2具体包括步骤：S201：确定设计变量：将任务执行模式的决策变量Ij(t)、移动设备本地且利用原装电源执行任务的频率f(t)、移动设备传输任务到移动边缘服务器的传输功率P(t)和移动设备捕获的能量Eh(t)作为设计变量；S202：确定目标函数：以移动设备发出请求产生的任务的执行能耗成本和延迟成本的加权和最小化为移动设备发出请求产生的任务优化分配的目标函数；其中，目标函数为：...

【技术特征摘要】
1.一种可充电移动边缘计算中能量-延迟平衡的动态任务分配方法，其特征在于：包括步骤：S1：建立移动设备发出请求产生的任务执行模型，包括移动设备和移动边缘服务器；所述移动设备与移动边缘服务器连接，用于将移动设备发出请求产生的任务传输到移动边缘服务器；所述移动设备设置有原装电源模块；所述移动设备设置有备用电源模块；所述原装电源的能量来自于可再生能源，用于为移动设备本地执行任务、传输任务和移动边缘服务器执行任务供能；所述备用电源的能量来自于不可再生能源，用于为移动设备本地执行任务供能；设置移动设备发出请求产生的任务执行包括三种模式：模式一：分配给移动设备本地执行且利用原装电源供能模式；模式二：分配给移动设备本地执行且利用备用电源供能；模式三：移动设备传输任务到移动边缘服务器执行且利用原装电源供能模式；将任务执行模型的任务处理周期划分为T个时间长度的相等的时隙；S2：建立移动设备发出请求产生的任务优化分配的数学模型，所述数学模型包括设计变量、目标函数和约束条件；其中，步骤S2具体包括步骤：S201：确定设计变量：将任务执行模式的决策变量Ij(t)、移动设备本地且利用原装电源执行任务的频率f(t)、移动设备传输任务到移动边缘服务器的传输功率P(t)和移动设备捕获的能量Eh(t)作为设计变量；S202：确定目标函数：以移动设备发出请求产生的任务的执行能耗成本和延迟成本的加权和最小化为移动设备发出请求产生的任务优化分配的目标函数；其中，目标函数为：其中，表示通过优化设计Ij(t)、f(t)、P(t)、Eh(t)和I′(t)中的任意一项或者任意多项变量，使达到最小；Ij(t)为第t个时隙内移动设备发出请求产生的任务的决策变量，Ij(t)∈{0，1}，j∈{l，o，b}；当j为l时，Il(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式一执行的决策变量，Il(t)＝1表示第t个时隙内移动设备发出的请求产生的任务采用模式一执行，Il(t)＝0表示第t个时隙内移动设备发出的请求产生的任务未采用模式一执行；当j为b时，Ib(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式二执行的决策变量，Ib(t)＝1表示第t个时隙内移动设备发出的请求产生的任务采用模式二执行，Ib(t)＝0表示第t个时隙内移动设备发出的请求产生的任务采用未模式二执行；当j为o时，Io(t)表示第t个时隙内移动设备发出的请求产生的任务采用模式三执行的决策变量，Io(t)＝1表示第t个时隙时隙内移动设备发出的请求产生的任务采用模式三执行，Io(t)＝0表示第t个时隙时隙内移动设备发出的请求产生的任务未采用模式三执行；f(t)为第t个时隙内采用模式一执行任务的执行频率，P(t)为第t个时隙内移动设备传输任务到移动边缘服务器的传输功率，Eh(t)为第t个时隙内移动设备捕获的能量，N为移动设备发出的请求的总数量，Qi(t)为第t个时隙内移动设备发出的第i个请求产生的任务队列，Al，i(t)为第t个时隙内移动设备发出的第i个请求采用模式一执行的待执行任务数据大小，Ai(t)为移动设备发出的第i个请求产生的任务数据大小，1[]为指标函数，若1[]中的位于[]中的式子成立，则1[]＝1，若1[]中的位于[]中的式子不成立，则1[]＝0；Di(t)为第t个时隙内移动设备发出的第i个请求采用模式一执行的已完成任务数据大小，为第t个时隙内虚拟电源能量队列，Ec(t)为第t个时隙内移动设备的原装电源的总能耗，Ec(t)＝El(t)+Eo(t)，V为任务积压控制参数，0＜V＜+∞，E(t)为第t个时隙内执行任务的总能耗成本，γ为移动设备能耗成本和延迟成本的权重，TD(t)为第t个时隙内到达任务的总延迟；I′(t)为第t个时隙的惩罚因子选择变量，I′(t)∈{F，1}，F为惩罚因子，F＞0，若第t个时隙移动设备发出的请求产生的任务采用模式二执行，则I′(t)＝F；若第t个时隙移动设备发出的请求产生的任务未用模式二执行，则I′(t)＝1；S203：确定约束条件：所述约束包括：(2-1)决策变量约束条件：Io，i(t)+Il，i(t)+Ib，i(t)＝1(2)其中，Il，i(t)、Ib，i(t)和Io，i(t)分别表示第t个时隙内移动设备发出的第i个请求产生的任务备采用模式一、模式二和模式三执行的决策变量；Io，i(t)∈{0，1}，Il，i(t)∈{0，1}，Ib，i(t)∈{0，1}，Il，i(t)＝1表示第t个时隙内移动设备发出的第i个请求产生的任务采用模式一执行，Il，i(t)＝0表示第t个时隙内移动设备发出的第i个请求产生的任务未采用模式一执行；Ib，i(t)＝1表示第t个时隙内移动设备发出的第i个请求产生的任务采用模式二执行，Ib，i(t)＝0表示第t个时隙内移动设备发出的第i个请求产生的任务未采用模式二执行；Io，i(t)＝1表示第t个时隙内移动设备发出的第i个请求产生的任务采用模式三执行，Io，i(t)＝0表示第t个时隙内移动设备发出的第i个请求产生的任务未采用模式三执行；(2-2)移动设备捕获能量的约束条件：0≤Eh(t)≤Ehmax(3)其中，Ehmax表示每个时隙内移动设备捕获能够捕获的能量上限值；(2-3)移动设备的原装电源的约束条件：Bmin≤B(t)≤Bmax(4)其中，B(t)表示移动设备的原装电源第t个时隙开始时存储的能量；Bmin和Bmax分别表示移动设备的原装电源存储能量的下限值和上限值；(2-4)移动设备本地执行任务的频率的约束条件：0≤fi(t)≤fmax(5)其中，fi(t)表示第t个时隙内采用模式一执行移动设备发出的第i个请求产生的任务的频率；fmax表示每个时隙内采用模式一执行任务的频率上限值；(2-5)任务传输功率的约束条件：0≤Pi(t)≤Pmax(6)其中，Pi(t)表示第t个时隙内移动设备传输第i个请求产生的任务到移动边缘服务器的传输功率；Pmax表示移动设备发出的请求产生的任务从移动设备传输到移动边缘服务器的传输功率上限值；(2-6)移动设备总能耗的约束条件：Ec(t)≤Emax(7)Ec(t)∈{0}∪[Emin，Emax](8)其中，Emin和Emax表示每个时隙内移动设备的原装电源的总能耗下限值和上限值；(2-7)移动设备本地且利用原装电源执行任务的缓冲队列状态的约束条件：其中，表示第t个时隙采用模式一执行任务的缓冲队列的状态；表示的期望；表示的绝对值；T表示时隙的总数量；(9)式表示T趋于∞，成立；S3：初始化t＝1；初始化第1个时隙的原装电源的储存能量B(1)＝0，初始化第1个时隙的动态任务缓冲队列Qi(1)＝0；S4：采集第1个时隙的移动设备捕获的能量Eh(1)和第1时隙的信道功率增益H(1)；计算第1个时隙的虚拟电源能量队列其中，信号功率增益是指从移动设备到移动边缘服务器传输任务的功率增益；S5：将目标函数简化划分为能量优化部分Part1和任务分配优化部分Part2；所述能量优化部分Part1为：其中，(10)式表示通过优化设计Eh(t)使达到最小；所述任务分配优化部分Part2为：其中，(11)式表示通过优化设计Ij(t)、f(t)、P(t)和I′(t)中...

【专利技术属性】
技术研发人员：郭松涛，蒋秋岑，刘凯，冯亮，刘德芳，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50