一种基于自适应任务卸载的蜂窝网络计算资源分配方法组成比例

本发明专利技术涉及一种基于自适应任务卸载的蜂窝网络计算资源分配方法，与现有技术相比，解决了OFDMA蜂窝网络基站资源分配不均衡，用户获取计算资源存在差异及排队现象等问题。该方法包括以下步骤：建立多基站多用户系统模型；自适应地选择任务卸载模式；分配计算资源。本发明专利技术不仅通过在基站卸载的基础上引入设备‑设备(D2D)卸载的方法，减轻了密集型任务给基站带来的负担，充分利用了网络中的空闲资源，而且根据基站计算资源使用情况自适应地为用户选择最优卸载决策，增加了计算资源分配的灵活性。仿真结果表明本发明专利技术的方法能够使系统效用增益增大并且降低计算时延。

【技术实现步骤摘要】
一种基于自适应任务卸载的蜂窝网络计算资源分配方法
本专利技术涉及移动通信
，具体涉及一种基于自适应任务卸载的蜂窝网络计算资源分配方法。
技术介绍
随着无线通信技术的发展，蜂窝网络中移动终端的数量呈爆炸式增长，各种计算密集型应用也随之增加，如VR、互动游戏、视频电话等，这些应用对低的传输时延和能量消耗有着较高的要求。移动边缘计算(MEC)是目前移动通信网络的关键技术之一，作为移动云计算的补充，移动边缘计算可以将计算资源、缓存等下沉到网络边缘，减轻回程网络的传输压力，降低计算任务的传输延迟、节约终端设备的能耗。然而，部署了MEC服务器的基站虽然可以近距离为终端用户提供计算功能来减轻蜂窝网络中移动终端的计算压力，但是边缘服务器的资源是有限的，当蜂窝网络中有大量终端用户同时进行密集型任务卸载时，容易对基站造成压力甚至导致基站计算资源枯竭。而且大量终端用户同时卸载势必产生网络干扰。因此，合理的卸载决策和计算资源分配方法对蜂窝网络中的终端任务卸载来说尤为重要。目前已有的卸载决策方法，如基于基尼系数的卸载决策方法(GCFSA)、全部卸载方法(AOA)和随机卸载方法(ROA)等，均是仅考虑系统中的基站卸载，当用户数量较大时，会出现基站计算资源有限而不能同时为多用户提供计算，基站计算资源匮乏、用户排队等待卸载等问题，而网络中会有很多空闲用户，这些空闲用户的计算资源却没有充分利用起来。此外，由于目前的计算资源分配方法均是将卸载策略、资源分配作为联合优化问题获得最优解，是一种静态的最优解，而实际中基站的子信道数(计算资源)是动态变化的，已有的计算资源分配方法不能随着基站计算资源的变化而动态更新，灵活性差，会出现系统计算资源分配不均衡、计算资源的利用率低、计算时延长等问题，因此，需要设计一种可以根据基站计算资源使用情况自适应地调整任务卸载决策的计算资源分配方法。
技术实现思路
本专利技术的目的在于提供一种基于自适应任务卸载的蜂窝网络计算资源分配方法，本专利技术不仅通过在基站卸载的基础上引入设备-设备(D2D)卸载的方法来减轻密集型任务给基站带来的负担，充分利用网络中的空闲资源，而且根据基站计算资源使用情况自适应地为用户选择最优卸载决策，增加了计算资源分配的灵活性。本专利技术采用了以下技术方案：一种基于自适应任务卸载的蜂窝网络计算资源分配方法，该方法包括以下步骤：S1、建立多基站多用户系统模型：在移动边缘计算网络中，建立基于OFDMA的多基站多用户系统模型，每个基站均部署有MEC服务器。S2、自适应地选择任务卸载模式：基于多基站多用户系统模型，各用户分别自适应地选择最优任务卸载模式。所述任务卸载模式包括D2D卸载、基站卸载和本地计算三种。最优任务卸载模式的选择过程为：用户u优先向周围邻近用户发送计算资源请求，判断每一位邻近用户是否有可使用的计算资源，并通过计算二者的信干噪比判断二者之间的连接是否稳定，选出有计算资源且连接稳定的邻近用户集合，若该集合中的用户个数大于0，说明存在支持D2D卸载的邻近用户，则用户选择D2D卸载模式，并选择时延与能耗的权重和最低的邻近用户进行D2D卸载。若无支持D2D卸载的邻近用户，则用户u向周围基站请求计算资源，并通过计算与周围每个基站之间的信干噪比来选择可连接的基站，在可连接的基站中选出满足约束条件的基站集合，若该集合中的基站个数大于0，说明有支持卸载的基站，则用户u选择基站卸载。若无支持D2D卸载的邻近用户，且无支持卸载的基站，则用户u选择本地计算。S3、分配计算资源：若用户选择基站卸载，满足约束条件的基站根据计算资源使用情况，自适应地为用户u选择最优卸载决策并分配计算资源。进一步的，所述的多基站多用户系统模型由NB个基站和NU个用户组成，该系统模型中的用户均随机分布。设NB＝{12…B}表示基站的集合，NU＝{12…U}表示用户的集合；假设各个用户同时具有一个需要执行的时延敏感型任务，该任务不可被分解成多个子任务分开执行，且用户在任务执行完前后位置不变。每个计算任务Zu由三个参数{Du，R，uTth}组成，u∈NU；其中，Du表示需要执行的任务的数据大小；Ru表示用户u完成计算任务所需要的计算资源，计算资源由CPU周期转数表示，Tth为任务卸载的最大允许时延。用户的任务采用卸载至邻近用户或者卸载至基站或者本地计算的方式。设S＝{Suu',u'∈NU,u∈NU}代表用户u与用户u′之间采用D2D卸载模式进行计算任务卸载决策的矢量，其中，Suu'＝{0,1},Suu'＝1代表用户u将计算任务卸载给用户u′执行。设A＝{aub,u∈NU,b∈NB}代表用户u与基站b之间采用基站卸载模式进行计算任务卸载决策的矢量，其中，aub＝{0,1}，aub＝1代表用户u将计算任务卸载给基站b执行。卸载决策变量Suu'和aub之间的关系如下：Suu'+aub≤1u∈NU,u'∈NU,b∈NB其中：为了避免子信道之间的干扰，每个用户只能占用一个子信道，K是每个基站的最大子信道数，即基站同时可以服务的用户数量最多为K。进一步的，步骤S2所述的“自适应地选择任务卸载模式”，其具体包括以下步骤：S21、用户u优先向周围邻近用户发送计算资源请求，周围有计算资源的邻近用户回复u，令εu为u的邻近用户中满足有计算资源条件的用户组成的集合。分别计算用户u与集合εu中的每个用户之间的信干噪比，并根据连接稳定的条件判断εu中的每个用户是否与u连接稳定，在εu中选出与u连接稳定的用户，得到有计算资源且连接稳定的u的邻近用户集合ψu＝{u'∈εu|SINRuu'＞SINRTH1}。其中，用户u与集合εu中的每个用户之间的信干噪比采用以下方式计算：设u'∈εu，采用公式(2)计算用户u与用户u′之间的信干噪比SINRuu'；表示用户u和用户u′间的信道增益，duu′表示用户u与用户u′之间的距离，表示路径损耗指数，σ2表示高斯白噪声，P1表示用户u在D2D卸载时的发射功率，为将计算任务卸载给基站b执行的用户的集合；公式(2)等式右侧分母上的第二项和第三项表示用户u执行D2D卸载时基站卸载的所有用户与其余D2D卸载用户的累积干扰。连接稳定的条件为：若用户u与集合εu中的用户u′之间的SINRuu'满足条件SINRuu'＞SINRTH1，则用户u与用户u′之间连接稳定，其中，SINRTH1为D2D卸载预先设定的信干噪比阈值。S22、根据|ψu|大小判定用户u是否有支持D2D卸载的邻近用户，|ψu|表示集合ψu所包含的用户个数，若|ψu|＞0，说明有支持D2D卸载的邻近用户，则用户选择D2D卸载模式，执行步骤S23。若|ψu|＝0，说明没有支持D2D卸载的邻近用户，则执行步骤S24。S23、分别计算用户u与集合ψu中的每个用户之间的时延与能耗权重和，并在集合ψu中选择权重和最低的邻近用户u″进行D2D卸载，即令Suu”＝1。其中，用户u与集合ψu中的每个用户之间的时延与本文档来自技高网...

【技术保护点】
1.一种基于自适应任务卸载的蜂窝网络计算资源分配方法，其特征在于：该方法包括以下步骤：/nS1、建立多基站多用户系统模型：在移动边缘计算网络中，建立基于OFDMA的多基站多用户系统模型，每个基站均部署有MEC服务器；/nS2、自适应地选择任务卸载模式：基于多基站多用户系统模型，各用户分别自适应地选择最优任务卸载模式；所述任务卸载模式包括D2D卸载、基站卸载和本地计算三种；最优任务卸载模式的选择过程为：用户u优先向周围邻近用户发送计算资源请求，判断每一位邻近用户是否有可使用的计算资源，并通过计算二者的信干噪比判断二者之间的连接是否稳定，选出有计算资源且连接稳定的邻近用户集合，若该集合中的用户个数大于0，说明存在支持D2D卸载的邻近用户，则用户选择D2D卸载模式，并选择时延与能耗的权重和最低的邻近用户进行D2D卸载；若无支持D2D卸载的邻近用户，则用户u向周围基站请求计算资源，并通过计算与周围每个基站之间的信干噪比来选择可连接的基站，在可连接的基站中选出满足约束条件的基站集合，若该集合中的基站个数大于0，说明有支持卸载的基站，则用户u选择基站卸载；若无支持D2D卸载的邻近用户，且无支持卸载的基站，则用户u选择本地计算；/nS3、分配计算资源：若用户选择基站卸载，满足约束条件的基站根据计算资源使用情况，自适应地为用户选择最优卸载决策并分配计算资源。/n...

【技术特征摘要】
1.一种基于自适应任务卸载的蜂窝网络计算资源分配方法，其特征在于：该方法包括以下步骤：
S1、建立多基站多用户系统模型：在移动边缘计算网络中，建立基于OFDMA的多基站多用户系统模型，每个基站均部署有MEC服务器；
S2、自适应地选择任务卸载模式：基于多基站多用户系统模型，各用户分别自适应地选择最优任务卸载模式；所述任务卸载模式包括D2D卸载、基站卸载和本地计算三种；最优任务卸载模式的选择过程为：用户u优先向周围邻近用户发送计算资源请求，判断每一位邻近用户是否有可使用的计算资源，并通过计算二者的信干噪比判断二者之间的连接是否稳定，选出有计算资源且连接稳定的邻近用户集合，若该集合中的用户个数大于0，说明存在支持D2D卸载的邻近用户，则用户选择D2D卸载模式，并选择时延与能耗的权重和最低的邻近用户进行D2D卸载；若无支持D2D卸载的邻近用户，则用户u向周围基站请求计算资源，并通过计算与周围每个基站之间的信干噪比来选择可连接的基站，在可连接的基站中选出满足约束条件的基站集合，若该集合中的基站个数大于0，说明有支持卸载的基站，则用户u选择基站卸载；若无支持D2D卸载的邻近用户，且无支持卸载的基站，则用户u选择本地计算；
S3、分配计算资源：若用户选择基站卸载，满足约束条件的基站根据计算资源使用情况，自适应地为用户选择最优卸载决策并分配计算资源。


2.根据权利要求1所述的一种基于自适应任务卸载的蜂窝网络计算资源分配方法，其特征在于：所述的多基站多用户系统模型由NB个基站和NU个用户组成，该系统模型中的用户均随机分布；
设NB＝{12…B}表示基站的集合，NU＝{12…U}表示用户的集合；假设各个用户同时具有一个需要执行的时延敏感型任务，该任务不可被分解成多个子任务分开执行，且用户在任务执行完前后位置不变；每个计算任务Zu由三个参数组成，u∈NU；其中，Du表示需要执行的任务的数据大小；Ru表示用户u完成计算任务所需要的计算资源，计算资源由CPU周期转数表示，Tth为任务卸载的最大允许时延；
用户的任务采用卸载至邻近用户或者卸载至基站或者本地计算的方式；设S＝{Suu',u'∈NU,u∈NU}代表用户u与用户u′之间采用D2D卸载模式进行计算任务卸载决策的矢量，其中，Suu'＝{0,1},Suu'＝1代表用户u将计算任务卸载给用户u′执行；设A＝{aub,u∈NU,b∈NB}代表用户u与基站b之间采用基站卸载模式进行计算任务卸载决策的矢量，其中，aub＝{0,1}，aub＝1代表用户u将计算任务卸载给基站b执行；
卸载决策变量Suu'和aub之间的关系如下：
Suu'+aub≤1u∈NU,u'∈NU,b∈NB
其中：









为了避免子信道之间的干扰，每个用户只能占用一个子信道，K是每个基站的最大子信道数，即基站同时可以服务的用户数量最多为K。


3.根据权利要求1所述的一种基于自适应任务卸载的蜂窝网络计算资源分配方法，其特征在于：步骤S2所述的“自适应地选择任务卸载模式”，其具体包括以下步骤：
S21、用户u优先向周围邻近用户发送计算资源请求，周围有计算资源的邻近用户回复u，令εu为u的邻近用户中满足有计算资源条件的用户组成的集合；分别计算用户u与集合εu中的每个用户之间的信干噪比，并根据连接稳定的条件判断εu中的每个用户是否与u连接稳定，在εu中选出与u连接稳定的用户，得到有计算资源且连接稳定的u的邻近用户集合ψu＝{u'∈εu|SINRuu'＞SINRTH1}；
其中，用户u与集合εu中的每个用户之间的信干噪比采用以下方式计算：
设u'∈εu，采用公式(2)计算用户u与用户u′之间的信干噪比SINRuu'；




表示用户u和用户u′间的信道增益，duu′表示用户u与用户u′之间的距离，表示路径损耗指数，σ2表示高斯白噪声，P1表示用户u在D2D卸载时的发射功率，为将计算任务卸载给基站b执行的用户的集合；公式(2)等式右侧分母上的第二项和第三项表示用户u执行D2D卸载时基站卸载的所有用户与其余D2D卸载用户的累积干扰；
连接稳定的条件为：
若用户u与集合εu中的用户u′之间的SINRuu'满足条件SINRuu'＞SINRTH1，则用户u与用户u′之间连接稳定，其中，SINRTH1为D2D卸载预先设定的信干噪比阈值；
S22、根据|ψu|大小判定用户u是否有支持D2D卸载的邻近用户，|ψu|表示集合ψu所包含的用户个数，若|ψu|＞0，说明有支持D2D卸载的邻近用户，则用户选择D2D卸载模式，执行步骤S23；若|ψu|＝0，说明没有支持D2D卸载的邻近用户，则执行步骤S24；
S23、分别计算用户u与集合ψu中的每个用户之间的时延与能耗权重和，并在集合ψu中选择权重和最低的邻近用户u″进行D2D卸载，即令Suu”＝1；
其中，用户u与集合ψu中的每个用户之间的时延与能耗权重和采用以下方式计算：
设u'∈ψu，采用公式(3)计算D2D卸载模式下用户u与邻近用户u′之间的时延与能耗权重和Quu′；
Quu′＝λEEuu′+λTTuu′(3)
Euu′＝P1tuu′，Tuu′＝tuu′＝Du/υuu′，υuu′＝wlog2(1+SINRuu′)分别代表用户u与用户u′之间D2D卸载的能量消耗、传输时间和传输速度；λE...

【专利技术属性】
技术研发人员：智慧，房小彤，查煜坤，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34