【技术实现步骤摘要】
移动边缘计算中一种分布式异构环境下的资源分配方法
本专利技术属于无线通信
，涉及移动边缘计算中一种分布式异构环境下的资源分配方法。
技术介绍
移动互联网和物联网(InternetofThings,IoT)的快速发展和融合，促使移动终端设备和数据流量呈指数式增加，与此同时，虚拟现实/增强现实、智能驾驶、智慧医疗等新兴应用不断涌现，进一步促进计算密集型服务及应用爆炸性增长，对移动终端计算能力和续航能力提出了更高要求。而传统的移动终端往往受限于体积大小和重量，使其在CPU计算能力、电池续航能力、存储能力等方面依然存在严重的约束。移动边缘计算(MobileEdgeComputing,MEC)作为一种新兴和有前景的计算范式，将各种云资源(如计算和存储资源)部署于网络边缘，减少了移动或固网业务交付的端到端时延，降低了终端计算负载，提高了终端续航能力和用户服务体验。在物联网环境下，多样化IoT业务在业务数据类型、应用期望延迟、设备类型等方面存在着显著的异构性，例如增强现实、虚拟现实和无人驾驶等应用往往具有计算复杂、密集且对时...
【技术保护点】
1.移动边缘计算中一种分布式异构环境下的资源分配方法，其特征在于，所述方法包括：/n步骤1)根据MEC环境中不同业务类型对应的卸载时延，建立出多样化的任务卸载模型；/n步骤2)建立用户与MEC服务器之间的买卖博弈模型，计算用户向MEC服务器购买计算资源进行任务卸载的成本以及MEC服务器所获得的收益，从而建立出用户的最大化收益模型和MEC服务器的最大化收益模型；/n步骤3)根据不同用户对应的任务卸载时延的要求，在所述用户的最大化收益模型中采用李雅普诺夫优化算法，对所述用户的最大化收益模型进行改进，从而计算出卸载收益和卸载时延的折中关系；/n步骤4)基于改进的用户最大化收益模型...
【技术特征摘要】
1.移动边缘计算中一种分布式异构环境下的资源分配方法，其特征在于，所述方法包括：
步骤1)根据MEC环境中不同业务类型对应的卸载时延，建立出多样化的任务卸载模型；
步骤2)建立用户与MEC服务器之间的买卖博弈模型，计算用户向MEC服务器购买计算资源进行任务卸载的成本以及MEC服务器所获得的收益，从而建立出用户的最大化收益模型和MEC服务器的最大化收益模型；
步骤3)根据不同用户对应的任务卸载时延的要求，在所述用户的最大化收益模型中采用李雅普诺夫优化算法，对所述用户的最大化收益模型进行改进，从而计算出卸载收益和卸载时延的折中关系；
步骤4)基于改进的用户最大化收益模型以及所述折中关系，利用拉格朗日乘子法和KKT条件计算出各个时隙内不同用户向MEC服务器对应计算资源的最优购买策略；
步骤5)基于用户的最优购买策略，利用MEC服务器的最大化收益模型，获得各个时隙内MEC服务器对用户所购买计算资源的最优动态报价策略；
步骤6)若所述用户计算资源的最优购买策略，以及MEC服务器的最优报价策略满足斯坦科尔伯格均衡解，MEC服务器则按照最优策略包括最优购买策略和最优报价策略对不同用户进行计算资源的按需分配。
2.根据权利要求1所述的移动边缘计算中一种分布式异构环境下的资源分配方法，其特征在于，
所述MEC服务器的最大化收益模型包括：
Max：
S.t.：pij(t)≥0；
其中，表示在时隙t内第j个MEC服务器的收益；cij(t)表示第i个用户将任务卸载到第j个MEC服务器的支付成本，同时表示第j个MEC服务器处理第i个用户的任务所获得的收益；表示第i个用户在时隙t内将任务卸载到第j个MEC服务器所产生的计算能耗成本；pij(t)表示时隙t内单位时间内购买单位计算频率资源的支付价格。
3.根据权利要求1所述的移动边缘计算中一种分布式异构环境下的资源分配方法，其特征在于，
所述用户的最大化收益模型包括：
Max：
S.t.：
其中，表示在时隙t内第i个用户的收益；uij(t)表示第i个用户将任务卸载到第j个MEC服务器可获得的效用函数；表示第i个用户将任务卸载到第j个MEC服务器的数据通信成本；bi(t)表示第i个用户在时隙t内卸载的总任务量；Qi(t)表示第i个用户在时隙t的任务队列积压；表示第j个MEC服务器最低的CPU频率；fij(t)表示第j个MEC服务器分配给第i个用户的CPU频率；表示第j个MEC服务器最高的CPU频率；M表示用户总数；N表示MEC服务器总数。<...
【专利技术属性】
技术研发人员：姚枝秀，夏士超，李云，吴广富，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。