一种云边协同下时延最优化的计算任务卸载方法及装置制造方法及图纸

本发明专利技术公开了一种云边协同下时延最优化的计算任务卸载方法及装置，该方法包括：建立以最小化任务总时延为目标的云边协同计算卸载模型，其中，任务总时延由移动终端向边缘节点传输任务的传输时延，由边缘节点向云端传输任务的传输时延，任务在边缘节点的处理时延和任务在云端的处理时延构成；将所述云边协同计算卸载模型分解成两个独立的子模型，分别对应移动终端上传给边缘节点计算任务的链路时隙分配，以及边缘节点和云端的计算资源分配；通过求解以上两个子问题，得到卸载决策方案。本发明专利技术通过云和边缘物理代理并行执行目标任务，达到云边协同的目的，同时最小化用户感知时延，优化了带宽和计算资源的分配。

【技术实现步骤摘要】
一种云边协同下时延最优化的计算任务卸载方法及装置
本专利技术设计边缘计算
，具体涉及一种云边协同下时延最优化的计算任务卸载方法及装置。
技术介绍
随着物联网的应用和快速发展，越来越多的终端设备接入网络，急剧增加的数据流加大了网络压力；同时，随着计算任务复杂度的提高，资源受限的终端设备无法独立处理。传统处理方式是将海量数据和任务卸载至云端统一处理，这确实能解决终端存储和计算资源不足的问题，但这也带来了不可忽视的挑战，表现为：1)边缘终端设备产生的海量数据传输到云计算中心将使得网络传输带宽负载量急剧增加，造成网络拥挤，产生网络延迟。2)云计算中心资源的线性增加无法满足爆炸式增长的网络边缘数据。3)边缘设备传输数据到计算中心以及计算中心处理将产生巨大的能量耗损。为解决这些问题，产生了边缘计算模型，边缘计算将存储和计算下沉，这样边缘设备能够直接将计算任务卸载至边缘节点处理，极大的降低了网络时延。但很多情况下，仅仅依靠边缘计算仍然难以满足任务的时延要求。边缘节点大多数部署在基站上，也有着存储和计算资源的限制性，当计算密集型任务(如多人AR，视频分析本文档来自技高网...

【技术保护点】
1.一种云边协同下时延最优化的计算任务卸载方法，其特征在于，包括：/n建立以最小化任务总时延为目标的云边协同计算卸载模型；所述任务总时延由移动终端向边缘节点传输任务的传输时延，由边缘节点向云端传输任务的传输时延，任务在边缘节点的处理时延和任务在云端的处理时延构成；所述云边协同是指移动终端任务将一定任务分配比例计算量卸载至边缘节点处理，并将剩余计算量卸载至云端处理；/n将所述云边协同计算卸载模型分解成两个独立的子模型，分别对应移动终端上传给边缘节点计算任务的链路时隙分配，以及边缘节点和云端的计算资源分配；/n分别求解两个子模型，得到云边协同下时延最优化的任务分配比例、链路时隙分配以及边缘节点和云...

【技术特征摘要】
1.一种云边协同下时延最优化的计算任务卸载方法，其特征在于，包括：
建立以最小化任务总时延为目标的云边协同计算卸载模型；所述任务总时延由移动终端向边缘节点传输任务的传输时延，由边缘节点向云端传输任务的传输时延，任务在边缘节点的处理时延和任务在云端的处理时延构成；所述云边协同是指移动终端任务将一定任务分配比例计算量卸载至边缘节点处理，并将剩余计算量卸载至云端处理；
将所述云边协同计算卸载模型分解成两个独立的子模型，分别对应移动终端上传给边缘节点计算任务的链路时隙分配，以及边缘节点和云端的计算资源分配；
分别求解两个子模型，得到云边协同下时延最优化的任务分配比例、链路时隙分配以及边缘节点和云端的计算资源分配方案。


2.根据权利要求1所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，所述建立以最小化任务总时延为目标的云边协同计算卸载模型，包括：
P1:















其中，为任务在边缘节点的处理时延，为任务在云端的处理时延，为i移动终端向j边缘节点传输任务的传输时延，为j边缘节点向云端传输任务的传输时延，Lj,i是由i移动终端产生的被j边缘节点处理的计算任务的数据大小，Cj,i代表处理一比特需要的CPUcycle数，λj,i为i移动终端卸载至j边缘节点的任务分配比例，τj,i为i移动终端至j边缘节点的分配时隙，为j边缘节点分配给i移动终端的计算资源，为云端分配给i移动终端的计算资源，Wj为j边缘节点给所有移动终端的回程网络带宽，Rj,i＝Eh{rj,i}是期望信道能力，rj,i为i移动终端向第j个基站传输任务的最大数据传输速率，T表示TDMA帧的长，Ij表示第j个基站连接的用户数，J表示基站个数，每个基站部署一个边缘节点，βj,i表示任务的紧急程度和重要程度的影响因子，满足，
所述云边协同计算卸载模型需满足约束条件：












其中，Fc和分别代表云端和j边缘节点的最大可用计算资源。


3.根据权利要求2所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，移动终端向基站传输任务的最大数据传输速率根据香农定理计算：



其中，表示i移动终端使用第n个时隙向第j个基站传输任务的最大数据传输速率，B表示移动终端到边缘节点的带宽，pj,i表示i移动终端到第j个基站的传输能力，表示i移动终端到第j个基站信道容量，σj表示第j个基站的噪声。


4.根据权利要求2所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，将所述云边协同计算卸载模型分解成两个独立的子模型，包括：
子模型P2最小化所有的移动终端传输任务数据至连接基站的时延：
P2:



子模型P3最小化所有任务在边缘节点和云端的计算时延：
P3:














5.根据权利要求4所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，还包括：
根据Cauchy-Buniakowsky-Schwarz不等式求解子模型P2，得到移动终端上传给边缘节点计算任务的链路时隙：



其中，为i移动终端上传给j边缘节点计算任务的最优链路时隙。


6.根据权利要求4所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，还包括，
基于标准化的回程通信能力和标准化的云端计算能力计算最优任务分配比例：



其中，为i移动终端卸载至j边缘节点的最优任务分配比例，ηj,i为标准化的回程通信能力，γj,i为标准化的云端计算能力，








7.根据权利要求6所述的一种云边协同下时延最优化的计算任务卸载方法，其特征在于，还包括，
将子模型P3转换为子模型P4：
P4:









采用KKT优化条件求解子模型P...

【专利技术属性】
技术研发人员：李世豪，缪巍巍，曾锃，韦磊，蒋承伶，王传君，张明轩，张厦千，张震，
申请(专利权)人：国网江苏省电力有限公司信息通信分公司，国网江苏省电力有限公司，
类型：发明
国别省市：江苏;32