一种异构IoT网络中的边缘计算与缓存方法及系统技术方案

本公开提供了一种异构IoT网络中的边缘计算与缓存方法及系统，包括以下步骤：构建基于移动边缘计算的异构IoT网络模型；对异构IoT网络中不同类型的用户分别建模分析；针对计算任务型用户，构建上行链路通信模型与计算模型；针对内容请求型用户，构建下行链路通信模型与缓存模型；问题建模，明确系统优化目标，最小化所有用户的时延与能耗的加权和；采用MADDPG算法联合优化计算卸载、资源分配和内容缓存的决策。本公开采用多智能体深度确定性策略梯度算法最小化系统时延与能耗，有效降低了网络通信开销，提升了网络整体性能。提升了网络整体性能。提升了网络整体性能。

【技术实现步骤摘要】
一种异构IoT网络中的边缘计算与缓存方法及系统


[0001]本公开属于无线通信
，具体涉及一种异构IoT网络中的边缘计算与缓存方法及系统。

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]随着移动通信技术的发展，第三代合作伙伴计划(3GPP)定义的5G应用场景提供了三种计算模式：增强型移动宽带(eMBB)，大规模机器类通信(mMTC)以及超可靠低时延通信(uRLLC)。同时，为了满足不断增长的物联网(IoT)应用程序和设备的计算任务与内容请求，运营商采用云计算技术来弥补设备中计算资源与存储容量的局限性。但是从移动设备到远程云计算基础架构长距离的传输可能会导致较大的服务延迟和传输能耗，并且随着设备业务类型增多，IoT设备的并发访问进一步加剧了高带宽需求与频谱资源不足之间的矛盾。因此，移动边缘计算(Mobile Edge Computing,MEC)作为一种有效的解决方案被提出，MEC通过将计算、存储资源部署在用户设备附近来减轻云数据中心的负担。
[0004]在基于MEC的IoT网络中，IoT设备可以通过无线信道将全部或部分计算任务卸载到物理上邻近的MEC服务器进行处理，这可以加快任务的处理速度并为设备节省能源。相较于本地计算，MEC可以克服移动设备有限的计算能力；相较于云计算，MEC可以避免将计算任务卸载到远程云而产生的较大延迟。但是，计算卸载通过无线信道进行数据传输，可能导致无线信道拥塞，并且边缘服务器计算资源有限，因此，如何合理的进行计算卸载与资源分配成为一项热点问题。同时，IoT设备产生的内容请求有可能会重复，协作式内容缓存可以通过在移动用户附近缓存流行内容来减轻回程压力和内容访问延迟。因此，研究协作式内容缓存策略对提高数据回传速率和资源利用率至关重要。
[0005]专利技术人发现，针对异构IoT网络中的MEC计算卸载、资源分配、缓存等问题，传统的优化方法需要经过一系列的复杂操作和迭代来解决此类问题。随着无线网络需求的增加，传统的优化方法面临着巨大挑战。例如，目标函数中的变量数量大幅度增长，大量的变量对基于数学方法的计算和内存空间提出了严峻的挑战，同时无线信道在时域中的动态变化，信道状态信息的不确定性以及计算的高复杂度等因素也会影响传统解决方案的性能。因此为了更好的优化异构IoT网络中的MEC计算卸载、资源分配与缓存策略，强化学习作为一种有效的解决方案被广泛应用。深度强化学习通过与环境的反复交互，采用函数逼近的方法，可以很好地解决复杂高维状态空间中的决策问题。

技术实现思路

[0006]为了解决上述问题，本公开提出了一种异构IoT网络中的边缘计算与缓存方法及系统，在考虑计算卸载与资源分配的同时，考虑内容缓存策略，利用深度确定性策略梯度算法的多智能体强化学习方法(MADDPG)智能地解决联合问题，优化系统的时延与能耗，有效
降低了网络通信开销，提升了网络整体性能，实现了对异构IoT网络中计算卸载、资源分配和内容缓存的联合优化。
[0007]为了实现上述目的，本公开采用了如下的技术方案：
[0008]本公开的第一方面提供了一种异构IoT网络中的边缘计算与缓存方法。
[0009]一种异构IoT网络中的边缘计算与缓存方法，包括以下步骤：
[0010]构建基于移动边缘计算的异构IoT网络模型；
[0011]对异构IoT网络中不同类型的用户分别建模分析，针对计算任务型用户，构建上行链路通信模型与计算模型，针对内容请求型用户，构建下行链路通信模型与缓存模型；
[0012]问题建模，明确系统优化目标，最小化所有用户的时延与能耗的加权和；
[0013]采用MADDPG算法联合优化计算卸载、资源分配和内容缓存的决策。
[0014]本公开的第二方面提供了一种异构IoT网络中的边缘计算与缓存系统，采用了本公开第一方面所述的异构IoT网络中的边缘计算与缓存方法。
[0015]本公开第三方面提供了一种计算机可读存储介质。
[0016]一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的异构IoT网络中的边缘计算与缓存方法中的步骤。
[0017]本公开第四方面提供了一种电子设备。
[0018]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的异构IoT网络中的边缘计算与缓存方法中的步骤。
[0019]与现有技术相比，本公开的有益效果为：
[0020]本公开在考虑计算卸载与资源分配的同时，考虑内容缓存，从计算卸载、资源分配和内容缓存三个方面进行联合优化，利用多智能体深度确定性策略梯度算法(MADDPG)智能地解决联合问题，实现了异构IoT网络中的最优资源分配，有效降低了系统的时延与能耗，减小了网络通信开销，同时提高了用户体验与网络整体性能。
附图说明
[0021]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0022]图1是本公开实施例一中的异构IoT网络架构的模型图；
[0023]图2是本公开实施例一中的异构IoT网络边缘计算与缓存方法的流程图；
[0024]图3是本公开实施例一中的深度强化学习模型示意图；
[0025]图4是本公开实施例一中的MADDPG算法流程图。
具体实施方式：
[0026]下面结合附图与实施例对本公开作进一步说明。
[0027]应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0028]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
据本公开的示例性实施方式。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。
[0029]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实公开中的具体含义，不能理解为对本公开的限制。
[0030]在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0031]实施例一
[0032]本公开实施例一介绍了一种异构IoT网络中的边缘计算与缓存方法。
[0033]如图2所示的一种异构IoT网络中的边缘计算与缓存方法，包括以下步骤：
[0034]步骤S01：构建系统模型，详细描述异构IoT架构中的基础设施与设备；
[0035]步骤S02：针对计算任务型用户，构建上行链路通信模型；针对内容请求型用户，构建下行链路通信模型；
[0036]步骤S03：针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异构IoT网络中的边缘计算与缓存方法，其特征在于，包括以下步骤：构建基于移动边缘计算的异构IoT网络模型；对异构IoT网络中不同类型的用户分别建模分析；针对计算任务型用户，构建上行链路通信模型与计算模型；针对内容请求型用户，构建下行链路通信模型与缓存模型；问题建模，明确系统优化目标，最小化所有用户的时延与能耗的加权和；采用MADDPG算法联合优化计算卸载、资源分配和内容缓存的决策。2.如权利要求1中所述的一种异构IoT网络中的边缘计算与缓存方法，其特征在于，所述异构IoT网络包括多个IoT用户、多个SBS与一个MBS，MBS和每个SBS均配备一个MEC服务器；每个SBS服务一个小区，所述小区内随机分布有多个IoT用户，所述IoT用户包括计算任务型用户和内容请求型用户。3.如权利要求2中所述的一种异构IoT网络中的边缘计算与缓存方法，其特征在于，在SBS k服务的小区中，计算任务型用户选择将计算任务卸载到MBS或SBS k，其中，MBS与SBS为其关联的用户均等地分配带宽，当SBS小区中的用户关联到MBS时，MBS为其关联用户均等分配带宽；当SBS小区内的用户关联到本小区基站，本小区SBS为其关联用户均等分配带宽；在SBS k服务的小区中，当计算任务型用户选择通过无线信道将计算任务卸载到SBS k配备的MEC服务器时，计算任务型用户的上行链路传输速率为：其中，表示计算任务型用户，表示计算任务型用户的发射功率，W
s
表示SBS的带宽，表示计算任务型用户到SBS k之间的信道增益，σ2表示背景噪声功率；表示小区k中选择将计算任务卸载到SBS k的用户数，具体的，在SBS k服务的小区中，表示计算任务型用户选择将计算任务卸载到SBS k；其中，1(e)代表指标函数，如果事件e为真，则1(e)＝1，否则1(e)＝0；当计算任务型用户选择将计算任务卸载到MBS配备的MEC服务器时，计算任务型用户的上行链路传输速率为：其中，W
m
表示MBS的带宽，表示计算任务型用户到MBS之间的信道增益，表示网络中选择将计算任务卸载到MBS的用户数，表示计算任务型用户选择将计算任务卸载到MBS；在SBS k服务的小区中，SBS k传输内容到内容请求型用户的下行链路传输速率为：
其中，P
k
表示SBS k的发射功率，表示SBS k到内容请求型用户之间的信道增益，表示SBS k服务的内容请求型用户数。4.如权利要求3中所述的一种异构IoT网络中的边缘计算与缓存方法，其特征在于，所述针对计算任务型用户构建计算模型的三种计算方式具体变现为：a1.本地计算：计算任务型用户在本地执行计算任务用表示计算任务型用户的计算能力，计算任务在本地计算的执行时延为相应的执行能耗为其中，ζ表示有效开关电容，具体取决于芯片的架构；表示完成任务所需的CPU周期总数，表示每CPU周期的能耗；a2.卸载到SBS计算：计算任务型用户将其计算任务卸载到关联的SBS配备的MEC服务器进行计算，用Fs表示SBS的MEC服务器的计算资源，用表示计算任务型用户所占用的SBS的MEC服务器的计算资源比例，具体的，在SBSk服务的小区中，选择卸载到SBSk的用户所占用的资源和不能大于SBS的MEC服务器的计算资源，计算任务在关联的SBS的MEC服务器中的执行时延为相应的执行能耗为其中，e
s
表示SBS每CPU周期的能耗，表示计算任务的数据大小；a3.卸载到MBS计算：计算任务型用户将其计算任务卸载到MBS配备的MEC服务器进行计算，用表示MBS的MEC服务器分配给计算任务型用户的计算资源，卸载到MBS上的所有用户分配相同的计算资源；计算任务在MBS的MEC服务器中的执行时延为相应的执行能耗为其中，e
m
表示MBS每CPU周期的能耗。5.如权利要求4中所述的一种异构IoT网络中的边缘计算与缓存方法，其特征在于，所述针对内容请求型用户构建缓存模型的四种内容传输方...

【专利技术属性】
技术研发人员：田杰，支媛，刘爽，刘倩倩，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：