一种基于移动边缘计算的负载策略选择方法及系统技术方案

本公开公开的一种基于移动边缘计算的负载策略选择方法及系统，包括：获取所有移动设备产生的任务信息和移动设备的移动轨迹；将所有移动设备产生的任务信息和移动设备的轨迹信息输入至负载优化模型中，获取最优负载策略，其中，负载优化模型为，结合移动设备的移动轨迹，基于马尔可夫决策过程描述系统的动作和状态信息，以所有移动设备产生的任务完成时间最短为目标，求解获取最优负载策略。解决了移动边缘计算下的任务负载分配问题，并使得按照最优负载策略进行负载分配时，所有移动设备产生的任务完成时间最短，从而具备最佳的使用性能，更好地满足了设备的移动特性以及任务的超低时延需求。低时延需求。低时延需求。

【技术实现步骤摘要】
一种基于移动边缘计算的负载策略选择方法及系统


[0001]本专利技术涉及移动边缘
，尤其涉及一种基于移动边缘计算的负载策略选择方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着新型移动应用程序的发展，移动设备无法满足这些新型应用程序的需求，例如增强现实、姿态识别，因为这些新型应用程序不仅计算量大而且具有时敏性，同时，由于移动设备的尺寸因素，其不仅受到计算能力的限制也受到电池寿命的限制，最有前途的解决方案是蜂窝网络通信环境下的移动边缘计算范例，移动边缘计算最关键的技术就是计算负载，其将计算任务迁移到边缘服务器端执行，相较于云计算有效降低了骨干网络的拥塞以及通信延迟，计算负载一般分为三个阶段，分别为任务上传阶段、任务处理阶段以及计算结果返回阶段。由于任务上传时的数据结构及数据规模远远大于返回时的计算结果，所以目前大多数研究集中在任务上传以及任务处理阶段。
[0004]5G技术的发展为移动边缘计算的兴起创造了先机，为了更好地满足多用户多任务下的边缘计算负载，密集分布式蜂窝通信下边缘计算模式很有必要，在该模式下，边缘服务器的状态会影响计算任务的计算时间而且多边缘服务器的状态信息是多变的，所以多边缘服务器的状态信息应该予以考虑，进而为计算负载的解决带来了复杂性。
[0005]在实际应用场景中，移动设备的移动会带来通信环境的变化，例如设备到基站的通信距离以及信号传输过程中的信号干扰等，同样地，移动特性是计算负载问题中不可忽略的关键挑战。
[0006]为了促进移动边缘计算的发展以及新型应用程序的广泛应用，多任务和多边缘服务器场景下的移动边缘计算负载问题的解决很有必要。

技术实现思路

[0007]本公开为了解决上述问题，提出了一种基于移动边缘计算的任务负载分配方法及系统，结合移动设备的移动特性，基于马尔可夫决策过程描述系统的动作信息，以任务负载完成时间最短为目标，求解获取最优负载策略，解决了移动边缘计算下的任务负载分配问题。
[0008]为实现上述目的，本公开采用如下技术方案：
[0009]第一方面，提出了一种基于移动边缘计算的负载策略选择方法，包括：
[0010]获取所有移动设备产生的任务信息和移动设备的移动轨迹；
[0011]将所有移动设备产生的任务信息和移动轨迹输入至负载优化模型中，获取最优负载策略，其中，负载优化模型为，结合移动设备的移动轨迹，基于马尔可夫决策过程描述系统的动作和状态信息，以所有移动设备产生的任务完成时间最短为目标，求解获取最优负
载策略。
[0012]进一步的，在计算获得最优负载策略时，首先计算马尔可夫决策过程描述的系统的状态信息、动作信息和收益信息，再根据状态信息、动作信息和收益信息，以所有移动设备产生的任务完成时间最短为目标，利用深度确定性策略梯度算法求解获取最优负载策略。
[0013]第二方面，提出了一种基于移动边缘计算的负载策略选择系统，包括：
[0014]任务采集模块，用于获取所有移动设备产生的任务信息和移动设备的移动轨迹；
[0015]负载策略选择模块，用于将所有移动设备产生的任务信息和移动轨迹输入至负载优化模型中，获取最优负载策略，其中，负载优化模型为，结合移动设备的移动轨迹，基于马尔可夫决策过程描述系统的动作和状态信息，以所有移动设备产生的任务完成时间最短为目标，求解获取最优负载策略。
[0016]第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种基于移动边缘计算的负载策略选择方法所述的步骤。
[0017]第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种基于移动边缘计算的负载策略选择方法所述的步骤。
[0018]与现有技术相比，本公开的有益效果为：
[0019]1、本公开在计算负载策略时，基于移动设备的移动轨迹，结合马尔可夫决策过程对负载系统的状态和动作进行描述，以任务负载完成时间最短为目标，求解获取最优负载策略，解决了移动边缘计算下的任务负载分配问题。
[0020]2、本公开在计算负载策略时，以所有移动设备产生的任务负载完成时间最短为目标，从而使得系统按照最优负载策略进行负载分配时，使所有移动设备产生的任务完成时间最短，更好地满足了设备的移动特性以及任务的超低时延需求。
[0021]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0022]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0023]图1为本公开实施例1中的移动边缘计算系统模型图；
[0024]图2为本公开实施例1中移动边缘计算并行负载框架图。
具体实施方式：
[0025]下面结合附图与实施例对本公开作进一步说明。
[0026]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0027]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式
也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0028]在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
[0029]本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
[0030]实施例1
[0031]在该实施例中，公开了一种基于移动边缘计算的负载策略选择方法，包括：
[0032]获取所有移动设备产生的任务信息和移动设备的移动轨迹；
[0033]将所有移动设备产生的任务信息和移动轨迹输入至负载优化模型中，获取最优负载策略，其中，负载优化模型为，结合移动设备的移动轨迹，基于马尔可夫决策过程描述系统的动作和状态信息，以所有移动设备产生的任务完成时间最短为目标，求解获取最优负载策略。
[0034]进一步的，在计算获得最优负载策略时，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动边缘计算的负载策略选择方法，其特征在于，包括：获取所有移动设备产生的任务信息和移动设备的移动轨迹；将所有移动设备产生的任务信息和移动轨迹输入至负载优化模型中，获取最优负载策略，其中，负载优化模型为，结合移动设备的移动轨迹，基于马尔可夫决策过程描述系统的动作和状态信息，以所有移动设备产生的任务完成时间最短为目标，求解获取最优负载策略。2.如权利要求1所述的一种基于移动边缘计算的负载策略选择方法，其特征在于，在计算获得最优负载策略时，首先计算马尔可夫决策过程描述的系统的状态信息、动作信息和收益信息，再根据状态信息、动作信息和收益信息，以所有移动设备产生的任务完成时间最短为目标，利用深度确定性策略梯度算法求解获取最优负载策略。3.如权利要求1所述的一种基于移动边缘计算的负载策略选择方法，其特征在于，状态信息包括，宏基站边缘服务器的状态信息和微基站边缘服务器的状态信息，其中，宏基站边缘服务器的状态信息由某一时间段内宏基站边缘服务器处理任务所消耗的CPU周期数与该时间段内所有移动设备产生的负载到宏基站服务器的任务的数据规模计算获得；微基站边缘服务器的状态信息由某一时间段内微基站边缘服务器处理任务所消耗的CPU周期数与该时间段内所有移动设备产生的负载到微基站服务器的任务的数据规模计算获得。4.如权利要求1所述的一种基于移动边缘计算的负载策略选择方法，其特征在于，动作信息包括，移动设备产生的负载到微基站边缘服务器的任务的数据规模与负载到宏基站边缘服务器的任务的数据...

【专利技术属性】
技术研发人员：张红霞，杨勇进，李华昱，吕志豪，王登岳，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：