【技术实现步骤摘要】
一种基于PD-BPSO技术的任务卸载决策方法
本专利技术涉及一种集群式粒子寻优过程的卸载决策方法，尤其涉及移动边缘计算系统中随着各种应用程序的增长，需要的卸载决策种类较多，难以通过常规方法直接搜索的数据卸载方法。
技术介绍
PD-BPSO是PopulationDiversity-BinaryParticleSwarmOptimization的缩写。任务卸载策略是MEC系统中计算卸载技术最核心的部分，其作用主要是决定终端用户实时产生的数据任务是选择在本地处理，还是卸载到边缘服务器或其他具有计算能力的节点单元去执行，同时需要决定用户卸载数据所需要的传输功率、MEC执行时所分配的计算资源、无线资源，以及各个子任务在执行过程中的顺序等。不同的卸载策略机制直接决定了卸载决策制定的方式，其包含的主要问题有卸载哪种任务(what)、何时执行卸载(when)及具体的卸载位置(where)，所展示出的基本卸载策略包含随机卸载决策、二元卸载决策、部分卸载决策等。随着卸载机制的不断完善，更加细化的卸载方式逐渐完善，即：将待卸载的子任务看作一个个不...
【技术保护点】
1.一种基于PD-BPSO技术的任务卸载决策方法，其特征在于，其步骤为：/n(1)建立移动边缘计算环境下任务处理的数学模型；/n(2)根据步骤1建立的任务计算模型，将每个用户任务数据量化为一个待执行粒子，每个粒子都有其各自的位置x
【技术特征摘要】
1.一种基于PD-BPSO技术的任务卸载决策方法，其特征在于，其步骤为：
(1)建立移动边缘计算环境下任务处理的数学模型；
(2)根据步骤1建立的任务计算模型，将每个用户任务数据量化为一个待执行粒子，每个粒子都有其各自的位置xi和速度vi，粒子的位置不同代表了不同卸载决策的一个可行决策解；
(3)利用步骤(2)得到的量化后待执行粒子，建立基于多目标约束的粒子任务数据执行能耗模型；
(4)根据步骤(3)得到的粒子任务数据执行能耗模型，利用种群多样性来引导粒子寻优过程，即通过比较所在位置对应的目标函数值来判断某一粒子的最优位置(粒子的卸载决策)。
2.根据权利要求1所述的基于PD-BPSO技术的任务卸载决策方法，其特征在于：
所述步骤1建立的任务处理数学模型，具体按以下过程实施：当任务进行本地处理时，si＝0，假定Ci为执行完该粒子所需的CPU周期数，fil代表移动终端的计算能力(每秒/CPU周期)，k(fil)2为移动终端执行计算任务时每一个CPU周期的能量消耗，其中k是常数，取决于微型集成电路架构，通常取k＝10-26；
则任务数据执行时间可表示为：
任务数据执行的能量消耗可表示为：
当任务在网络边缘执行时，si＝1，假定Di代表该粒子数据量大小，ru表示上行链路的数据发送速率，fic表示边缘服务器的计算能力，pi代表移动用户i的发送功率，为设备空闲时的功率；
则任务数据执行的时间消耗可表示为：
任务数据执行的能量消耗可表示为：
3.根据权利要求1所述的基于PD-BPSO技术的任务卸载决策方法，其特征在于：
...
【专利技术属性】
技术研发人员：薛建彬，王泽森，刘星星，沙荣才，张玺君，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：甘肃;62
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。