一种D2D-MEC系统计算能力最大化的任务卸载方法技术方案

本发明专利技术公开了一种D2D‑MEC系统计算能力最大化的任务卸载方法，包括步骤：S1：构建系统模型，并建立任务分配模型，以确立每个本地设备上的每个计算任务的执行位置；S2：构建本地计算模型、无线通道模型、D2D卸载模型和MEC服务器卸载模型，得到系统中每个计算任务的执行时延和能耗；S3：建立求解系统最大计算能力的目标函数P1；S4：将目标函数P1进行分解，分成两部分P2和P3求解。本发明专利技术利用D2D技术来扩展传统MEC服务器的计算能力，将更多的计算任务卸载到D2D设备上去执行，并且选择适合于计算任务的D2D设备，从而实现了计算能力最大化。

【技术实现步骤摘要】
一种D2D-MEC系统计算能力最大化的任务卸载方法
本专利技术涉及移动边缘计算
，具体涉及一种D2D-MEC系统计算能力最大化的任务卸载方法。
技术介绍
近年来，随着移动设备计算能力的提升以及大量IoT设备的快速发展，使得网络中需要计算的数据呈爆炸式增长趋势。虽然云计算模式可以计算和存储大量的数据，但是用户端到云中心的传输延时较长，导致对实时性要求较高的计算无法处理。并且大量移动设备如移动手机、传感器、可穿戴设备的出现使得计算数据量更加庞大，传统的集中存储方式则易造成网络的拥塞。而当前物联网、车联网、智慧城市的出现，使得用户对于计算时延的要求越来越迫切，用户的需求更加偏向于实时性。从而促使了具有低时延和实行性的计算范式——移动边缘计算(MobileEdgeComputing，MEC)的出现，这种计算范式使得原有的计算任务从中心侧转移到了边缘侧。该计算范式将具有一定计算和存储能力的边缘服务器部署在更加靠近移动用户的一端，例如与手机相连的基站或者家庭无线网接入点中。相比于距离较远且计算中心化的云计算模式而言，MEC计算范式更加靠近移动边缘设备，其距离较近并具有与云计算几乎相同的计算能力和存储能力。目前有关MEC中的计算卸载研究都是优化系统内部处理任务的时延，或者优化移动设备处理任务的能耗，或者将两者加权优化。卸载的话也只考虑向MEC服务器进行计算卸载，但是MEC服务器是建立在靠近移动设备一端的，往往不会像云服务器那样，拥有大量的计算资源和高速带宽。所以MEC系统中的服务器的计算资源和带宽资源是有限的，其处理计算任务的总量也是有限的。
技术实现思路
本专利技术要解决的技术问题是克服现有技术的不足而提供一种D2D-MEC系统计算能力最大化的任务卸载方法，利用D2D技术来扩展传统MEC服务器的计算能力，将更多的计算任务卸载到D2D设备上去执行，并且选择适合于计算任务的D2D设备，从而实现了计算能力最大化。为解决上述技术问题，本专利技术所采取的技术方案是：一种D2D-MEC系统计算能力最大化的任务卸载方法，所述D2D-MEC系统包括一个MEC服务器、多个本地设备和多个D2D设备，每个本地设备生成多个计算任务；所述方法为：S1：构建系统模型，并建立任务分配模型，以确立每个本地设备上的每个计算任务的执行位置；S2：构建本地计算模型、无线通道模型、D2D卸载模型和MEC服务器卸载模型，得到系统中每个计算任务的执行时延和能耗；S3：建立求解系统最大计算能力的目标函数P1；S4：将目标函数P1进行分解：首先求解单个本地设备匹配到的D2D设备上执行任务数量最大化P2问题，得到所有本地设备上的计算任务放置在D2D设备上的最大数量，同时针对这部分任务求得其任务卸载策略；其次对于D2D设备上执行不了的剩余任务，本地设备将这些任务卸载到MEC服务器中执行，解决目标P3。进一步的，所述步骤S1中，所述系统模型为：所述本地设备用集合K＝{1,2,...,k}表示，每个本地设备上的计算任务用集合M＝{1,2,...,m}表示，每个本地设备可以匹配的D2D设备用集合Ik＝{i1,i2,i3,...,in}表示；每个D2D设备的剩余能耗集合为单个计算任务采用三维向量表示；其中，bm，k表示计算任务的大小，表示计算任务所需要的CPU周期数，表示计算任务的最大的计算容忍时间；进一步的，所述步骤S1中，所述任务分配模型为：所述D2D-MEC系统中，每个本地设备的每个计算任务执行分为三个位置，即本地设备、D2D设备或MEC服务器；采用参数π作为任务分配策略，以首先决策在哪里执行每个计算任务：其中，π(m,k)＝0表示计算任务m执行失败；π(m,k)＝1表示计算任务m计算成功；π(m,k)＝xl,m,k表示计算任务m在本地设备中执行，π(m,k)＝xD,m,k,i表示计算任务m通过D2D链路在D2D设备中执行，π(m,k)＝xS,m,k表示计算任务m在MEC服务器中执行。进一步的，所述步骤S2中，所述本地计算模型为：如果计算任务m在本地设备k中执行，则π(m,k)＝xl,m,k，那么本地设备k在本地执行任务所花费的时间为：式中，fk表示本地设备k的计算资源；此外，本地设备k处理执行任务所耗费的能耗为：式中，ε为与器件芯片结构有关的有效电容参数。进一步的，所述步骤S2中，所述D2D卸载模型和MEC服务器卸载模型中，采用正交频分多址的方法进行信道访问；所述无线通道模型包括D2D无线通道模型和MEC服务器无线通道模型：(2-1)D2D无线通道模型MEC服务器通过D2D链路在每个本地设备k和D2D设备之间分配额定带宽BD，对于每个本地设备k，数据速率为：式中，为本地设备k与设备i之间D2D卸载的传输功率，HD,k,i表示信道增益，表示本地设备k与设备i之间的传输距离，β表示路径损失参数，N表示增益高斯白噪声；(2-2)MEC服务器无线通道模型对于MEC服务器卸载模式，MEC服务器为本地设备k分配子带宽和计算资源，然后本地设备k将其任务分配给MEC服务器，数据速率为：式中，是本地设备k与服务器之间的上行传输功率，HS,k表示着本地设备k与服务器间的信道增益，表示本地设备k与服务器间传输距离，BS,k表示MEC服务分配给本地设备k的带宽，并且带宽BS,k满足条件：式中，表示MEC服务器可用的总带宽。进一步的，所述步骤S2中，所述D2D卸载模型为：对于不在本地设备中执行的任务，首先将其卸载到邻近的D2D设备，每个D2D设备的执行时间为：式中，fi表示D2D设备i所能提供的计算资源；D2D设备i所消耗的相应能耗：本地设备k与D2D设备i之间的上行传输时延：相应的传输能耗为：将单个本地设备k及其匹配的D2D设备构成的新集合为：Yi,k＝{i1,i2,...,in,k}其中每个D2D设备的计算资源构成的新集合为：其中每个D2D设备的剩余能耗集合为：对于卸载到D2D设备i上的计算任务满足条件：以上条件表示单个D2D设备执行到达任务的总体能耗不能超过该设备的剩余能量。进一步的，所述步骤S2中，所述MEC服务器卸载模型为：如果计算任务数据足够大，最大容忍延迟很小，或者系统中本地设备没有额外的D2D设备，则将本地设备k的剩余任务m卸载给MEC服务器；那么MEC服务器计算时延为：式中，fS,k为MEC服务器分配给本地设备k的计算资源；本地设备k向MEC服务器卸载任务时的传输时延为：相应的能耗为：进一步的，所述步骤S3中，将系统处理的任务数表示系统的计算能力，将整个系统计算能力最大化问题建模为目标函数P1，在保证各种约束的情况下，求解最优本文档来自技高网...

【技术保护点】
1.一种D2D-MEC系统计算能力最大化的任务卸载方法，所述D2D-MEC系统包括一个MEC服务器、多个本地设备和多个D2D设备，每个本地设备生成多个计算任务；其特征在于：所述方法为：/nS1：构建系统模型，并建立任务分配模型，以确立每个本地设备上的每个计算任务的执行位置；/nS2：构建本地计算模型、无线通道模型、D2D卸载模型和MEC服务器卸载模型，得到系统中每个计算任务的执行时延和能耗；/nS3：建立求解系统最大计算能力的目标函数P1；/nS4：将目标函数P1进行分解：首先求解单个本地设备匹配到的D2D设备上执行任务数量最大化P2问题，得到所有本地设备上的计算任务放置在D2D设备上的最大数量，同时针对这部分任务求得其任务卸载策略；其次对于D2D设备上执行不了的剩余任务，本地设备将这些任务卸载到MEC服务器中执行，解决目标P3。/n

【技术特征摘要】
1.一种D2D-MEC系统计算能力最大化的任务卸载方法，所述D2D-MEC系统包括一个MEC服务器、多个本地设备和多个D2D设备，每个本地设备生成多个计算任务；其特征在于：所述方法为：
S1：构建系统模型，并建立任务分配模型，以确立每个本地设备上的每个计算任务的执行位置；
S2：构建本地计算模型、无线通道模型、D2D卸载模型和MEC服务器卸载模型，得到系统中每个计算任务的执行时延和能耗；
S3：建立求解系统最大计算能力的目标函数P1；
S4：将目标函数P1进行分解：首先求解单个本地设备匹配到的D2D设备上执行任务数量最大化P2问题，得到所有本地设备上的计算任务放置在D2D设备上的最大数量，同时针对这部分任务求得其任务卸载策略；其次对于D2D设备上执行不了的剩余任务，本地设备将这些任务卸载到MEC服务器中执行，解决目标P3。


2.根据权利要求1所述的D2D-MEC系统计算能力最大化的任务卸载方法，其特征在于：所述步骤S1中，所述系统模型为：
所述本地设备用集合K＝{1,2,...,k}表示，每个本地设备上的计算任务用集合M＝{1,2,...,m}表示，每个本地设备可以匹配的D2D设备用集合Ik＝{i1,i2,i3,...,in}表示；每个D2D设备的剩余能耗集合为单个计算任务采用三维向量表示；
其中，bm，k表示计算任务的大小，表示计算任务所需要的CPU周期数，表示计算任务的最大的计算容忍时间。


3.根据权利要求2所述的D2D-MEC系统计算能力最大化的任务卸载方法，其特征在于：所述步骤S1中，所述任务分配模型为：
所述D2D-MEC系统中，每个本地设备的每个计算任务执行分为三个位置，即本地设备、D2D设备或MEC服务器；采用参数π作为任务分配策略，以首先决策在哪里执行每个计算任务：






其中，π(m,k)＝0表示计算任务m执行失败；π(m,k)＝1表示计算任务m计算成功；π(m,k)＝xl,m,k表示计算任务m在本地设备中执行，π(m,k)＝xD,m,k,i表示计算任务m通过D2D链路在D2D设备中执行，π(m,k)＝xS,m,k表示计算任务m在MEC服务器中执行。


4.根据权利要求3所述的D2D-MEC系统计算能力最大化的任务卸载方法，其特征在于：所述步骤S2中，所述本地计算模型为：
如果计算任务m在本地设备k中执行，则π(m,k)＝xl,m,k，那么本地设备k在本地执行任务所花费的时间为：



式中，fk表示本地设备k的计算资源；
此外，本地设备k处理执行任务所耗费的能耗为：



式中，ε为与器件芯片结构有关的有效电容参数。


5.根据权利要求3所述的D2D-MEC系统计算能力最大化的任务卸载方法，其特征在于：所述步骤S2中，所述D2D卸载模型和MEC服务器卸载模型中，采用正交频分多址的方法进行信道访问；所述无线通道模型包括D2D无线通道模型和MEC服务器无线通道模型：
(2-1)D2D无线通道模型
MEC服务器通过D2D链路在每个本地设备k和D2D设备之间分配额定带宽BD，对于每个本地设备k，数据速率为：



式中，为本地设备k与设备i之间D2D卸载的传输功率，HD,k,i表示信道增益，表示本地设备k与设备i之间的传输距离，β表示路径损失参数，N表示增益高斯白噪声；
(2-2)MEC服务器无线通道模型
对于MEC服务器卸载模式，MEC服务器为本地设备k分配子带宽和计算资源，然后本地设备k将其任务分配给MEC服务器，数据速率为：



式中，是本地设备k与服务器之间的上行传输功率，HS,k表示着本地设备k与服务器间的信道增益，表示本地设备k与服务器间传输距离，BS,k表示MEC服务分配给本地设备k的带宽，并且带宽BS,k满足条件：



式中，表示MEC服务器可用的总带宽。


6.根据权利要求3所述的D2D-MEC系统计算能力最大化的任务卸载方法，其特征在于：所述步骤S2中，所述D2D卸载模型为：
对于不在本地设备中执行的任务，首先将其卸载到邻近的D2D设备，每个D2D设备的执行时间为：



式中，fi表示D2D设备i所能提供的计算资源；
D2D设备i所消耗的相应能耗：



本地设备k与D2D设备i之间的上行传输时延：



相应的传输能耗为：



将单个本地设备k及其匹配的D2D设备构成的新集合为：
Yi,k＝{i1,i2,...,in,k}
其中每个D2D设备的计算资源构成的新集合为：



其中每个D2D设备的剩余能耗集合为：

【专利技术属性】
技术研发人员：孙一鹏，李峰，苏聪聪，杜佩儒，刘杰民，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：河北;13