【技术实现步骤摘要】
一种降低系统能耗与花费和的边缘计算卸载方法及系统
本专利技术属于边缘计算中的优化领域,特别涉及一种降低系统能耗与花费和的边缘计算卸载方法及系统。
技术介绍
移动设备的普及推动了物联网的发展和进步,同时,越来越多的计算密集型和延迟敏感型移动应用,如虚拟现实和增强现实正在兴起并引起大量关注。然而,物联网终端经常受到电池寿命,计算能力和网络连接的限制,难以满足该类业务的服务需求。因此,计算卸载是解决上述挑战的可行方案之一。现有的技术是将这些计算相关的业务通过无线网络以及核心网络,再经互联网上传至远端服务器或者云计算平台进行处理。但由于通常通信距离远,难以满足时延敏感应用的需求,同时,这种集中式数据处理平台也给终端客户和服务商带来了极大经营成本。作为移动云计算的补充,移动边缘计算应运而生。移动边缘网络将流量、计算和网络功能下沉到网络边缘,使得网络边缘具有计算、储存和通信的能力,让卸载任务可以利用边缘设备的计算、储存资源在网络边缘进行处理。然而,边缘计算网络也面临着一些亟待解决的挑战,当移动终端向其他服务器进行卸载任务时,会产生很高的传输能耗,这些能耗在终端用户能耗中占到相当大的比例,卸载到不同基站和信道状态的不同都对传输能耗产生很大的影响。同时,受限于任务完成时间,租用不同算力的边缘服务器或云服务器进行计算决定了用户的花销成本。本专利技术研究边缘计算的卸载决策问题,考虑任务执行时延约束,信道状态,CPU频率等因素下,对能耗和花费进行联合优化。经查阅相关文献,未见针对该问题的研究。
技术实现思路
本 ...
【技术保护点】
1.一种降低系统能耗与花费和的边缘计算卸载方法,其特征在于,包括以下步骤:/n当任务在本地设备进行计算时,根据任务所需算力计算能耗开销;/n当任务需要卸载到其他边缘服务器进行计算时,根据边缘服务器CPU频率和卸载任务所需算力,计算得到卸载任务的时间开销;/n边缘服务器和云服务器通过卸载任务所需算力,根据卸载任务的时间开销计算卸载任务的计算花费;/n根据能耗开销和计算花费构建卸载任务最小化能耗和花费模型;/n对卸载任务最小化能耗和花费模型,设定任务数量以及边缘服务器数量,通过强分支策略产生训练集;/n采用训练集训练好的深度学习模型执行强分支策略,将结果传给分支定界,进行下一次迭代,得到最优的卸载任务方法,确定任务计算位置是在本地进行或卸载到其他服务器进行计算。/n
【技术特征摘要】
1.一种降低系统能耗与花费和的边缘计算卸载方法,其特征在于,包括以下步骤:
当任务在本地设备进行计算时,根据任务所需算力计算能耗开销;
当任务需要卸载到其他边缘服务器进行计算时,根据边缘服务器CPU频率和卸载任务所需算力,计算得到卸载任务的时间开销;
边缘服务器和云服务器通过卸载任务所需算力,根据卸载任务的时间开销计算卸载任务的计算花费;
根据能耗开销和计算花费构建卸载任务最小化能耗和花费模型;
对卸载任务最小化能耗和花费模型,设定任务数量以及边缘服务器数量,通过强分支策略产生训练集;
采用训练集训练好的深度学习模型执行强分支策略,将结果传给分支定界,进行下一次迭代,得到最优的卸载任务方法,确定任务计算位置是在本地进行或卸载到其他服务器进行计算。
2.根据权利要求1所述的一种降低系统能耗与花费和的边缘计算卸载方法,其特征在于,任务在本地设备进行计算时,根据任务所需算力计算能耗开销:
构建任务在本地计算的能耗模型,终端用户自身的计算能力为l上标表示本地设备,消耗能量如下所示:
其中k是能耗参数;cn表示完成本次任务所需要的计算资源,fn表示本地终端能够提供的计算能力;
终端用户n的任务在本地计算时,时延如下所示:
3.根据权利要求1所述的一种降低系统能耗与花费和的边缘计算卸载方法,其特征在于,当任务需要卸载到其他边缘服务器进行计算时,根据信道状态构建卸载任务通信模型,基站依照正交频分多址技术将带宽为B赫兹的信道分为N个子信道;其各子信道的分配比例为αn(αn≥0,∑n∈Nαn=1);终端用户n卸载任务到基站的s的信号噪声比,如下所示:
其中pn表示终端用户n的发射功率,hns是终端用户n发送任务到基站s的信道增益,pi表示终端用户i的发射功率,his是终端用户i发送任务到基站s的信道增益,σ表示高斯白噪声;
根据终端用户n卸载任务到基站的s的信号噪声比计算终端用户n卸载任务到基站s的时间开销。
4.根据权利要求3所述的一种降低系统能耗与花费和的边缘计算卸载方法,其特征在于,计算卸载任务的时间开销:根据终端用户n卸载任务到基站的s的信号噪...
【专利技术属性】
技术研发人员:张兴军,于博成,李靖波,纪泽宇,李泳昊,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西;61
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。