一种基于移动边缘计算的多用户多任务卸载方法技术

本发明专利技术公开了一种基于移动边缘计算的多用户多任务卸载方法，所述方法包括：步骤1，构建基于移动边缘计算的多用户多任务场景模型，所述多用户多任务场景模型包括系统模型和模块模型；所述模块模型包括：任务模型、信道模型、任务卸载模型和移动设备本地及边缘服务器的计算模型；步骤2，根据任务类别和任务卸载策略对任务进行卸载，所述任务类别包括个人任务和共享任务，所述任务卸载策略以最优的任务处理时延为目标求解获得。采用前述方法，能够在带共享任务的多用户多任务，且任务不可分的情况下，通过移动边缘计算实现用户和边缘服务器联合处理的时延优化。

【技术实现步骤摘要】
一种基于移动边缘计算的多用户多任务卸载方法
本专利技术涉及通信领域，尤其是涉及移动边缘计算的通信系统中移动设备与边缘服务器协同处理多任务的时延最小方法。
技术介绍
近些年来，大量的智能移动终端的涌现，给人们的生活带来了极大的便利。与此同时，终端设备产生的大量数据给通信网络带来了极大的负担，降低了网络的整体性能。而在一些特定场景下，如：增强现实(AugmentedReality，AR)、云游戏等场景下，对任务处理的时延要求非常高，这对网络处理任务的策略提出了新的挑战。移动边缘计算作为一种新的通信及计算架构，将服务器设定在用户周围，使得用户与服务器之间的通信链路大大缩短，并通过将移动设备中的任务卸载上传到邻近的边缘服务器进行处理，使其具备低延时，高带宽的传输能力，有效缓解网络对于传输带宽和时延的要求。现有技术中，关于移动边缘计算中任务卸载决策及计算处理的研究如文章【1】中，通过联合考虑波束成形矢量、边缘服务器计算能力和最优的无线接入点选择，提出了一种基于能耗优化的资源分配方法，侧重点在于降低整个网络的功耗。然而文中只考虑一个移动设备只有一个任务，且该任务是可分的，这意味着一个任务可以被无限划分，且在不同的计算设备上进行处理。与文章【1】不同的是，文章【2】中移动设备上的计算任务是不可分的，一个任务只能被移动设备自身处理或者迁移到边缘服务器进行处理，但作者没有将信道模型考虑进系统中，缺少通信模块。除了通过移动边缘计算方法处理个人任务外，在多人AR场景体验中，各个AR设备在处理个人任务的同时，还需要和其他AR设备处理一些共同的任务，比如各个设备在同一个虚拟场景下，各个设备需要共同进行该虚拟场景的渲染处理等任务，即各个设备还需处理共享任务。庞大的计算量加上现有网络通信容量的限制，使任务处理时延较高，给用户的体验较差。因此，现有技术中，在任务不可分的情况下，基于移动边缘计算对带共享任务的多用户多任务进行卸载的方法中，用户和边缘服务器联合处理的时延优化问题仍旧没有得到有效解决。【1】J.Opadere，Q.Liu，N.Zhang，andT.Han，“Jointcomputationandcommunicationresourceallocationforenergy-efficientmobileedgenetworks，”ininProc.ICC，Shanghai，China，Jul.2019.【2】Z.Meng，H.Xu，L.Huang，P.Xi，andS.Yang，“Achievingenergyefficiencythroughdynamiccomputingoffloadinginmobileedgeclouds，”ininProc.MASS，Chengdu，China，Dec.2018.
技术实现思路
本专利技术提供了一种基于移动边缘计算的多用户多任务卸载方法，以解决现有的基于移动边缘计算的任务卸载方法，无法实现用户和边缘服务器联合处理的时延优化这一问题。一种基于移动边缘计算的多用户多任务卸载方法，包括：步骤1，构建基于移动边缘计算的多用户多任务场景模型，所述多用户多任务场景模型包括系统模型和模块模型；所述模块模型包括：任务模型、信道模型、任务卸载模型和移动设备本地及边缘服务器的计算模型；步骤2，根据任务类别和任务卸载策略对任务进行卸载，所述任务类别包括个人任务和共享任务，所述任务卸载策略以最优的任务处理时延为目标求解获得。进一步地，在一种实现方式中，在所述步骤2之前，以最优的任务处理时延为目标求解获得所述任务卸载策略，包括：步骤2.1，将每个不可分任务变为可分任务，包括：基于所述步骤1提出原始问题P1，所述原始问题P1是一个混合整数非线性规划问题，且是一个最小化最大的问题，将所述原始问题P1中的0-1整数变量松弛成[0，1]的连续变量，并将最小化最大问题转化成求最小的问题，所述原始问题P1便成为非线性规划问题P2；步骤2.2，所述非线性规划问题P2是一个非凸问题，采用渐进凸逼近的方法，将所述非线性规划问题P2转化为一个凸优化问题P3；步骤2.3，采用凸优化的方法求解所述凸优化问题P3，获得所述原始问题P1的次优解，即获得最优的任务处理时延的任务卸载策略。进一步地，在一种实现方式中，所述步骤2包括：步骤2.4，获取所述任务的任务类别；步骤2.5，若所述任务的任务类别为共享任务，根据所述任务卸载策略判断共享任务是否需要卸载；步骤2.6，若所述共享任务需要卸载，每个移动设备根据所述任务卸载策略将部分共享任务上传至基站，所述每个移动设备上传的部分共享任务在基站合成一组完整的共享任务，通过边缘服务器处理所述完整的共享任务，获得卸载到基站处理的共享任务处理结果并下传至所述每个移动设备后，执行步骤2.11的操作；步骤2.7，若所述共享任务不需要卸载，则不作处理；步骤2.8，若所述任务的任务类别为个人任务，根据所述任务卸载策略判断个人任务是否需要卸载；步骤2.9，若所述个人任务需要卸载，每个移动设备根据所述任务卸载策略将个人任务上传至基站，通过所述边缘处理器处理个人任务，获得卸载到基站处理的个人任务处理结果并下传至所述每个移动设备后，执行步骤2.11的操作；步骤2.10，若所述个人任务不需要卸载，通过移动设备本地处理所述个人任务，获得本地处理的个人任务处理结果，执行步骤2.11的操作；步骤2.11，将本地处理的任务结果和卸载到基站处理的任务结果合并，所述本地处理的任务结果包括本地处理的个人任务处理结果，所述卸载到基站处理的任务结果包括卸载到基站处理的共享任务处理结果和卸载到基站处理的个人任务处理结果。进一步地，在一种实现方式中，所述步骤1包括构建所述系统模型：所述系统模型包括边缘服务器、一个基站以及所述基站服务的Q个移动设备，每个所述移动设备有N个任务，N＝N1+N2，其中，N是移动设备中所有计算任务的数量，N1是移动设备中个人任务的数量，N2是移动设备中共享任务的数量；所述移动设备将部分任务通过上行链路上传至基站，所述基站处理移动设备上传的任务，将任务处理结果通过下行链路传至移动设备；同时，所述移动设备在本地处理未上传的任务。进一步地，在一种实现方式中，所述步骤1包括构建所述任务模型：通过三元组表征每个所述任务：{Lu,q,n,Ld,q,n,xn}，其中，Lu,q,n是移动设备q中的任务n处理前的大小，单位为比特，n∈N,q∈Q，Ld,q,n是移动设备q中的任务n处理后的大小，xn是处理计算任务n所需要的工作量，单位为圈/比特；所述移动设备q中的任务n处理后的大小等于α倍的移动设备q中的任务n处理前的大小：Ld,q,n＝αLu,q,n，α∈[0,1]所述移动设备q的计算能力为单位为圈/秒，边缘服务器的计算能力为Fedge，单位为圈/秒。进一步地，在一种实现方式中，所述步骤1包括构建所述信道模型：信道本文档来自技高网...

【技术保护点】
1.一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，包括：/n步骤1，构建基于移动边缘计算的多用户多任务场景模型，所述多用户多任务场景模型包括系统模型和模块模型；所述模块模型包括：任务模型、信道模型、任务卸载模型和移动设备本地及边缘服务器的计算模型；/n步骤2，根据任务类别和任务卸载策略对任务进行卸载，所述任务类别包括个人任务和共享任务，所述任务卸载策略以最优的任务处理时延为目标求解获得。/n

【技术特征摘要】
1.一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，包括：
步骤1，构建基于移动边缘计算的多用户多任务场景模型，所述多用户多任务场景模型包括系统模型和模块模型；所述模块模型包括：任务模型、信道模型、任务卸载模型和移动设备本地及边缘服务器的计算模型；
步骤2，根据任务类别和任务卸载策略对任务进行卸载，所述任务类别包括个人任务和共享任务，所述任务卸载策略以最优的任务处理时延为目标求解获得。


2.根据权利要求1所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，在所述步骤2之前，以最优的任务处理时延为目标求解获得所述任务卸载策略，包括：
步骤2.1，将每个不可分任务变为可分任务，包括：基于所述步骤1提出原始问题P1，所述原始问题P1是一个混合整数非线性规划问题，且是一个最小化最大的问题，将所述原始问题P1中的0-1整数变量松弛成[0，1]的连续变量，并将最小化最大问题转化成求最小的问题，所述原始问题P1便成为非线性规划问题P2；
步骤2.2，所述非线性规划问题P2是一个非凸问题，采用渐进凸逼近的方法，将所述非线性规划问题P2转化为一个凸优化问题P3；
步骤2.3，采用凸优化的方法求解所述凸优化问题P3，获得所述原始问题P1的次优解，即获得最优的任务处理时延的任务卸载策略。


3.根据权利要求2所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，所述步骤2包括：
步骤2.4，获取所述任务的任务类别；
步骤2.5，若所述任务的任务类别为共享任务，根据所述任务卸载策略判断共享任务是否需要卸载；
步骤2.6，若所述共享任务需要卸载，每个移动设备根据所述任务卸载策略将部分共享任务上传至基站，所述每个移动设备上传的部分共享任务在基站合成一组完整的共享任务，通过边缘服务器处理所述完整的共享任务，获得卸载到基站处理的共享任务处理结果并下传至所述每个移动设备后，执行步骤2.11的操作；
步骤2.7，若所述共享任务不需要卸载，则不作处理；
步骤2.8，若所述任务的任务类别为个人任务，根据所述任务卸载策略判断个人任务是否需要卸载；
步骤2.9，若所述个人任务需要卸载，每个移动设备根据所述任务卸载策略将个人任务上传至基站，通过所述边缘处理器处理个人任务，获得卸载到基站处理的个人任务处理结果并下传至所述每个移动设备后，执行步骤2.11的操作；
步骤2.10，若所述个人任务不需要卸载，通过移动设备本地处理所述个人任务，获得本地处理的个人任务处理结果，执行步骤2.11的操作；
步骤2.11，将本地处理的任务结果和卸载到基站处理的任务结果合并，所述本地处理的任务结果包括本地处理的个人任务处理结果，所述卸载到基站处理的任务结果包括卸载到基站处理的共享任务处理结果和卸载到基站处理的个人任务处理结果。


4.根据权利要求1所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，所述步骤1包括构建所述系统模型：
所述系统模型包括边缘服务器、一个基站以及所述基站服务的Q个移动设备，
每个所述移动设备有N个任务，N＝N1+N2，
其中，N是移动设备中所有计算任务的数量，N1是移动设备中个人任务的数量，N2是移动设备中共享任务的数量；
所述移动设备将部分任务通过上行链路上传至基站，所述基站处理移动设备上传的任务，将任务处理结果通过下行链路传至移动设备；同时，所述移动设备在本地处理未上传的任务。


5.根据权利要求4所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，所述步骤1包括构建所述任务模型：
通过三元组表征每个所述任务：
{Lu,q,n,Ld,q,n,xn}，
其中，Lu,q,n是移动设备q中的任务n处理前的大小，单位为比特，n∈N,q∈Q，Ld,q,n是移动设备q中的任务n处理后的大小，xn是处理计算任务n所需要的工作量，单位为圈/比特；
所述移动设备q中的任务n处理后的大小等于α倍的移动设备q中的任务n处理前的大小：
Ld,q,n＝αLu,q,n，α∈[0,1]
所述移动设备q的计算能力为单位为圈/秒，边缘服务器的计算能力为Fedge，单位为圈/秒。


6.根据权利要求5所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，所述步骤1包括构建所述信道模型：
信道以动态分配的方式分配给每个移动设备；用B表示整个无线系统的带宽，所述移动设备q的上行链路的频谱效率eu,q表示为：



其中，pu,q表示移动设备q的传输功率，hu,q表示移动设备q上行链路的信道增益，N0表示加性高斯白噪声；
所述移动设备q的下行链路的频谱效率ed,q表示为：



其中，pd,q表示基站传输到移动设备q的功率，hd,q表示移动设备q下行链路的信道增益；
用λu,q表示上行链路分配给移动设备q的带宽比例，用λd,q表示下行链路分配给移动设备q的带宽比例，λu,q∈[0,1],λd,q∈[0,1]，所述上行链路的传输速率Ru,q表示为：
Ru,q＝λu,qBeu,q(3)，
所述下行链路的传输速率Rd,q表示为：
Rd,q＝λd,qBed,q(4)。


7.根据权利要求6所述的一种基于移动边缘计算的多用户多任务卸载方法，其特征在于，所述步骤1包括构建所述任务卸载模型：
采用部分卸载策略，即将部分任务卸载到基站通过边缘服务器进行处理，剩下的任务由本地移动设备进行本地同步处理；
对于卸载到边缘服务器进行处理的任务，任务处理包括：
移动设备将部分任务上传到基站；基站的边缘服务器进行任务处理；基站将任务处理结果下传给移动设备，所述任务处理结果即卸载到基站处理的任务结果，包括卸载到基站处理的共享任务处理结果和卸载到基站处理的个人任务处理结果；
对于个人任务，定义为移动设备q对其任务n1的卸载决策...

【专利技术属性】
技术研发人员：季荣华，申富饶，赵健，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32