一种具有计费机制的任务卸载方法技术

本发明专利技术提供一种具有计费机制的任务卸载方法，首先，为了最小化总任务处理延迟并释放本地计算负担，用户设备首先将其子任务划分为本地任务和云端任务；其次，为了避免MEC服务器上卸载任务的拥塞，构建总成本模型，提出了瞬时负荷计费机制，根据MEC服务器每个时间片的瞬时负荷向用户设备收费，若某一时间片扎堆执行的切片任务越多，其价格越高；也就是说，本发明专利技术通过向高峰时间卸载任务的用户设备收取更多费用，以此激励用户设备将切片任务由高峰时间片转移到非高峰时间片执行；最后，采用博弈论来获得最佳的任务分流策略，从而能够在最大程度地减少每个用户设备的任务处理延迟和提高MEC服务器的处理效率。

【技术实现步骤摘要】
一种具有计费机制的任务卸载方法
本专利技术属于无线虚拟导轨领域，尤其涉及一种具有计费机制的任务卸载方法。
技术介绍
无处不在的移动设备提供越来越多的移动服务，例如面部识别或自然语言处理。尽管这些服务有助于建立高度连接的社会，但它们要求移动设备具有强大的计算能力。然而，当前的移动设备具有有限的计算能力和高能耗，这不能赶上对移动服务的日益高的需求。为了提高移动设备的计算能力，提出了移动边缘计算。通过计算分流，移动边缘计算可以将任务从移动设备分流到边缘服务器或其他设备。计算分流可以显着减轻移动设备的计算负担并扩展其计算能力，这为实现复杂服务的计算提供了可能性。作为一个受欢迎的研究点，已经进行了许多研究以减轻负荷，以减少工艺延迟和能耗。S.Guo等人提供了一种动态卸载和资源调度策略，以在应用程序完成时间的严格约束下实现节能计算卸载。他们还提出了一种分布式算法，该算法由计算卸载选择，时钟频率控制和传输功率分配三个子算法组成，以获得最佳策略。L.Liu等人为了平衡计算卸载过程中的能耗和延迟性能，还利用排队论来研究能耗，执行延迟和移动设备卸载过程的支付成本；最后基于理论分析，制定了一个具有联合目标的多目标优化问题，以通过找到每个移动设备的最佳卸载概率和发射功率来最小化能耗，执行延迟和支付成本。H.Chen利用采用瞬时负荷计费方案来研究实际的需求侧管理方案，在这种方案中，有的的消费者通过安排未来的能源消耗状况，竞争以最小化其个人能源成本。近来，聚合博弈已被用来设计无线通信中的最佳策略。在聚合博弈中，每个玩家都旨在通过行动计划来最大程度地降低其成本。聚合博弈的特征在于其优化问题与所有玩家的聚合动作结合在一起。P.Zhou采用聚合博弈对大型，异构和动态网络中的频谱共享进行建模。同时，他们利用过去的信道访问经验，提出了一种在线学习算法，以提高每个用户的效用。但是，上述工作通常通过耗时的迭代或借助完整的信息来达到博弈的纳什均衡。因此，如何利用有限的信息来加速迭代过程是一个挑战。
技术实现思路
为解决上述问题，本专利技术提供一种具有计费机制的任务卸载方法，将计算分流过程设计为具有瞬时负荷计费方案的聚合博弈，能够在最大程度地减少每个用户设备的任务处理延迟和提高MEC服务器的处理效率。一种具有计费机制的任务卸载方法，包括以下步骤：S1：各用户设备分别将自己的子任务划分为本地任务和云端任务，其中，本地任务在用户设备处理，云端任务在MEC服务器处理，同时，MEC服务器的工作时间被划分为两个以上的时间片，且时间片的数量用H表示；S2：各用户设备分别将自己的云端任务划分为H个切片任务，得到切片任务量向量，且各切片任务的任务量不全为0，同时，将云端任务的任务处理时间划分为H个时间片；S3：为各用户设备构建总成本模型Bn(Xn，X∑)如下：其中，Ph为第h个时间片的价格，h＝1,2,…,H，ah与bh为第h个时间片的设定参数，为第n个用户设备在第h个时间片待执行的切片任务的任务量，Xn为第n个用户设备的切片任务向量，为MEC服务器在第h个时间片待执行的切片任务的总任务量,X∑为任务处理时间内待执行的切片任务的总任务量向量，T为转置；S4：为各用户设备根据总成本模型Bn(Xn，X∑)构建如下目标函数：其中，为云端任务的任务量，Sh为第h个时间片中MEC服务器可处理任务量的上限，N为用户设备的总数，IIi≠n为指标函数，其中，如果i≠n，则IIi≠n＝1，如果i＝n，则IIi≠n＝0；S5：将各用户设备分别作为当前用户设备执行以下步骤，得到当前用户设备对应的云端任务分布在各时间片的任务量：S51：当前用户设备根据自身的直接邻居发送来的切片任务向量计算切片任务向量估计值，然后根据切片任务向量估计值获取总任务量向量x∑；S52：将步骤S51得到的总任务量向量x∑代入步骤S4中的目标函数，然后采用博弈论求解所述目标函数，得到当前用户设备对应的切片任务向量；S53：判断本次迭代得到的切片任务向量与上一次迭代得到的切片任务向量之间的差值是否小于设定阈值，如果小于，则本次迭代通过博弈论求解得到的切片任务向量作为当前用户设备所需的云端任务分布在各时间片的任务量；否则，进入步骤S54；其中，第一次迭代时，上一次迭代得到的切片任务向量为步骤S2中得到的切片任务量向量；S54：按照设定更新规则，采用本次迭代得到的切片任务向量更新当前用户设备对应的切片任务向量估计值，然后采用更新后的切片任务向量估计值重复执行步骤S51～S3，直到本次迭代得到的切片任务向量与上一次迭代得到的切片任务向量之间的差值小于设定阈值。进一步地，所述本地任务和云端任务的任务量的计算方法为：其中，为本地任务的任务量，为云端任务的任务量，为用户设备的计算能力，qn为子任务的总任务量，Tp为云端任务的处理时间，rn为云端任务上传到MEC服务器的速率，cn为每处理一单位任务量所需要的CPU周期数量。进一步地，所述切片任务向量估计值的计算公式如下：其中，wii(k)是当前用户设备i为其自身设置的非负权重，wij(k)是当前用户设备i为其直接邻居用户设备j设置的非负权重，Ni为当前用户设备i的直接邻居的数量，k为迭代的次数，为第k次迭代时当前用户设备i的切片任务量向量，为第k次迭代时用户设备j的切片任务量向量，为第k次迭代时当前用户设备i对应的切片任务向量估计值，且当k＝0时，与分别为当前用户设备i与用户设备j的在步骤S2中得到的切片任务量向量。进一步地，步骤S54中按照设定更新规则更新当前用户设备对应的切片任务向量估计值的方法为：S54a：获取当前用户设备i在下一次迭代中计算切片任务向量估计值所需的切片任务量向量其中，为当前用户设备i在下一次迭代所需的切片任务向量更新值，为当前用户设备i在本次迭代采用博弈论求解的切片任务向量，αk,i为当前用户设备i设定的步长，且为在集合Ki上的欧几里得投影，Ki为切片任务向量的取值范围，定义为：其中，为对切片任务向量求偏导，为当前用户设备i对应的总成本模型；S54b：将切片任务量向量将代入公式(10)，得到当前用户设备i在下一次迭代中对应的切片任务向量估计值进一步地，当前用户设备i为其直接邻居用户设备j设置非负权重时，用户设备j与当前用户设备i的距离越近，所述非负权重越大。进一步地，根据切片任务向量估计值获取总任务量向量x∑的方法为：将切片任务向量估计值与用户设备的总数N的乘积作为总任务量向量x∑。有益效果：本专利技术提供一种具有计费机制的任务卸载方法，首先，为了最小化总任务处理延迟并释放本地计算负担，用户设备首先将其子任务划分为本地任务和云端任务；其次，为了避免MEC服务器上卸载任务的拥塞，构建总成本模型，提出了瞬时负荷计费机制，根据MEC服务器每个时间片的瞬时负荷向用户设备收费，若某一时间片扎堆执行的切片任本文档来自技高网...

【技术保护点】
1.一种具有计费机制的任务卸载方法，其特征在于，包括以下步骤：/nS1：各用户设备分别将自己的子任务划分为本地任务和云端任务，其中，本地任务在用户设备处理，云端任务在MEC服务器处理，同时，MEC服务器的工作时间被划分为两个以上的时间片，且时间片的数量用H表示；/nS2：各用户设备分别将自己的云端任务划分为H个切片任务，得到切片任务量向量，且各切片任务的任务量不全为0，同时，将云端任务的任务处理时间划分为H个时间片；/nS3：为各用户设备构建总成本模型B

【技术特征摘要】
1.一种具有计费机制的任务卸载方法，其特征在于，包括以下步骤：
S1：各用户设备分别将自己的子任务划分为本地任务和云端任务，其中，本地任务在用户设备处理，云端任务在MEC服务器处理，同时，MEC服务器的工作时间被划分为两个以上的时间片，且时间片的数量用H表示；
S2：各用户设备分别将自己的云端任务划分为H个切片任务，得到切片任务量向量，且各切片任务的任务量不全为0，同时，将云端任务的任务处理时间划分为H个时间片；
S3：为各用户设备构建总成本模型Bn(Xn，X∑)如下：









其中，Ph为第h个时间片的价格，h＝1,2,…,H，ah与bh为第h个时间片的设定参数，为第n个用户设备在第h个时间片待执行的切片任务的任务量，Xn为第n个用户设备的切片任务向量，为MEC服务器在第h个时间片待执行的切片任务的总任务量,X∑为任务处理时间内待执行的切片任务的总任务量向量，T为转置；
S4：为各用户设备根据总成本模型Bn(Xn，X∑)构建如下目标函数：






其中，为云端任务的任务量，Sh为第h个时间片中MEC服务器可处理任务量的上限，N为用户设备的总数，IIi≠n为指标函数，其中，如果i≠n，则IIi≠n＝1，如果i＝n，则IIi≠n＝0；
S5：将各用户设备分别作为当前用户设备执行以下步骤，得到当前用户设备对应的云端任务分布在各时间片的任务量：
S51：当前用户设备根据自身的直接邻居发送来的切片任务向量计算切片任务向量估计值，然后根据切片任务向量估计值获取总任务量向量x∑；
S52：将步骤S51得到的总任务量向量x∑代入步骤S4中的目标函数，然后采用博弈论求解所述目标函数，得到当前用户设备对应的切片任务向量；
S53：判断本次迭代得到的切片任务向量与上一次迭代得到的切片任务向量之间的差值是否小于设定阈值，如果小于，则本次迭代通过博弈论求解得到的切片任务向量作为当前用户设备所需的云端任务分布在各时间片的任务量；否则，进入步骤S54；其中，第一次迭代时，上一次迭代得到的切片任务向量为步骤S2中得到的切片任务量向量；
S54：按照设定更新规则，采用本次迭代得到的切片任务向量更新当前用户设备对应的切片任务向量估计值，然后采用更新后的切片任务向量估计值重复执行步骤S51～S3，直到本次迭代得到的切片任务向量与上一次迭代得到的切片任务...

【专利技术属性】
技术研发人员：高明晋，沈茹婧，孙昊，周一青，
申请(专利权)人：北京中科晶上超媒体信息技术有限公司，
类型：发明
国别省市：北京;11