一种结合社交感知的计算任务网络参数优化方法及系统技术方案

本发明专利技术公开了一种结合社交感知的计算任务网络参数优化方法及系统，涉及MEC‑D2D网络应用技术领域，包括确定研究区域对应的结合社交网络的MEC‑D2D网络架构、数据传输模型、消耗模型和社会信任矩阵；根据社会信任矩阵以及消耗模型中的数据执行消耗计算函数和数据传输消耗计算函数，确定研究区域对应的最大化长期系统网络效用函数和约束条件，并利用Lyapunov优化算法对最大化系统网络效用函数解耦，得到三个确定性优化目标函数；根据研究区域对应的计算任务数据总量和优化算法，对上述三个确定性优化目标函数求解，得到最优网络参数。本发明专利技术应用上述网络参数能够长期降低MEC‑D2D网络中设备执行过程和设备传输过程的能耗。

【技术实现步骤摘要】
一种结合社交感知的计算任务网络参数优化方法及系统
本专利技术涉及MEC-D2D网络应用
，特别是涉及一种结合社交感知的计算任务网络参数优化方法及系统。
技术介绍
随着移动设备的普及以及5G等无线通信的发展，出现了许多具有低延迟要求的计算密集型应用，如在线沉浸式游戏、增强现实和视频流分析等。然而，传统的云计算无法满足这些应用对低延迟的需求，所以研究者提出了一种新型的计算模式，称为移动边缘计算(MEC，mobileedgecomputing)。该计算模式将计算任务负载从远程云转移到离用户更近的核心网络的边缘节点(如无线接入点、基站等)上，从而降低任务的计算时延、减少用户的能耗，并满足用户的服务质量(QoS，qualityofservice)要求。然而随着蜂窝网流量呈现出爆炸性增长的趋势，传统的蜂窝网络无法满足大规模用户同时卸载的服务需求。设备到设备通信(D2D，device-to-devicecommunication)技术是解决数据流量急剧增加和不均匀分布的一种经济、有效的技术。D2D技术是一种无需中间节点(如基站)中继传输的本地直连通信技术。两个用户可以直接通过D2D链路传输数据，这样可以减轻基站负担，从而缓解蜂窝网压力。此外，D2D技术具有降低端到端时延与提升频谱效率等优势。社交网络参与D2D连接和选择可以确保D2D连接的安全性和可靠性。尽管现有的工作中，大多数研究者通过MEC与D2D结合来计算任务卸载方面已经完成了一些出色的工作。然而，在MEC-D2D网络中，忽略了长期的任务卸载能耗优化和社交网络的作用。在MEC-D2D网络中，由于不考虑长期的能耗优化与约束，从长远来看，会导致严重的能源浪费和性能不稳定，同时在D2D连接过程中，根据设备对应用户的社会关系来构建连接可以提升用户对网络连接的信任，激励用户对D2D的使用。因此，在MEC-D2D网络中研究社交网络结合的长期任务卸载有重要意义。
技术实现思路
本专利技术的目的是提供一种结合社交感知的计算任务网络参数优化方法及系统，以达到长期降低MEC-D2D网络中设备执行过程和设备传输过程的能耗的目的。为实现上述目的，本专利技术提供了如下方案：一种结合社交感知的计算任务网络参数优化方法，包括：确定研究区域对应的结合社交网络的MEC-D2D网络架构、数据传输模型以及消耗模型；所述MEC-D2D网络架构是根据所述研究区域对应的服务场景建立的模型架构；所述MEC-D2D网络架构包括一个具有移动边缘计算服务器的集中式基站和多个用户设备，所述用户设备包括远程用户设备和近端用户设备；每个所述远程用户设备只能连接一个所述近端用户设备，且每个所述近端用户设备只能连接一个所述远程用户设备；所述数据传输模型按照数据传输方向依次包括计算任务缓冲区、远程用户设备服务器、近端用户设备服务器以及移动边缘计算服务器；所述消耗模型包括数据执行消耗计算函数和数据传输消耗计算函数；所述数据执行消耗为所述远程用户设备服务器和所述近端用户设备服务器在执行计算任务时所产生的消耗能量，所述数据传输消耗为所述远程用户设备服务器和所述近端用户设备服务器在传输计算任务时所产生的消耗能量；根据所述MEC-D2D网络架构，确定社会信任矩阵；所述社会信任矩阵中的元素表示一个所述远程用户设备和一个所述近端用户设备之间的社交信任值；根据所述社会信任矩阵、所述数据执行消耗计算函数和所述数据传输消耗计算函数，确定所述研究区域对应的最大化长期系统网络效用函数和约束条件；所述最大化长期系统网络效用函数为一段时间内最小化用户设备在数据执行过程和数据传输过程的能耗，且最大化社交信任值的函数；所述约束条件包括D2D通信连接约束条件、计算任务执行时间约束条件和用户设备发射功率约束条件；确定研究区域对应的计算任务数据总量；所述计算任务数据总量为一段时间内所述研究区域中各个所述远程用户设备的每个时隙计算任务数据量的和；所述时隙计算任务数据量为上一时隙未被执行的计算任务数据量与当前时隙产生的计算任务数据量的和；利用Lyapunov优化算法，对所述最大化系统网络效用函数解耦，得到第一短期确定性优化目标函数、第二短期确定性优化目标函数和第三短期确定性优化目标函数；所述第一短期确定性优化目标函数为远程用户设备服务器计算任务卸载优化目标函数；所述第二短期确定性优化目标函数为近端用户设备服务器与移动边缘计算服务器计算任务卸载优化目标函数，所述第三短期确定性优化目标函数为D2D通信连接选择优化目标函数；根据所述计算任务数据总量、所述第一短期确定性优化目标函数和所述任务执行时间约束条件，确定远程用户设备服务器的任务执行时间；根据所述计算任务数据总量、所述第二短期确定性优化目标函数、所述发射功率约束条件和所述任务执行时间约束条件，确定远程用户设备发射功率和近端用户设备发射功率；根据所述远程用户设备服务器的任务执行时间、所述远程用户设备发射功率、所述近端用户设备发射功率、所述第三短期确定性优化目标函数以及所述D2D通信连接约束条件，确定每个远程用户设备和每个近端用户设备之间的D2D通信连接关系。一种结合社交感知的计算任务网络参数优化系统，包括：研究区域模型架构确定模块，用于确定研究区域对应的结合社交网络的MEC-D2D网络架构、数据传输模型以及消耗模型；所述MEC-D2D网络架构是根据所述研究区域对应的服务场景建立的模型架构；所述MEC-D2D网络架构包括一个具有移动边缘计算服务器的集中式基站和多个用户设备，所述用户设备包括远程用户设备和近端用户设备；每个所述远程用户设备只能连接一个所述近端用户设备，且每个所述近端用户设备只能连接一个所述远程用户设备；所述数据传输模型按照数据传输方向依次包括计算任务缓冲区、远程用户设备服务器、近端用户设备服务器以及移动边缘计算服务器；所述消耗模型包括数据执行消耗计算函数和数据传输消耗计算函数；所述数据执行消耗为所述远程用户设备服务器和所述近端用户设备服务器在执行计算任务时所产生的消耗能量，所述数据传输消耗为所述远程用户设备服务器和所述近端用户设备服务器在传输计算任务时所产生的消耗能量；社会信任矩阵确定模块，用于根据所述MEC-D2D网络架构，确定社会信任矩阵；所述社会信任矩阵中的元素表示一个所述远程用户设备和一个所述近端用户设备之间的社交信任值；效用函数和约束条件确定模块，用于根据所述社会信任矩阵、所述数据执行消耗计算函数和所述数据传输消耗计算函数，确定所述研究区域对应的最大化长期系统网络效用函数和约束条件；所述最大化长期系统网络效用函数为一段时间内最小化用户设备在数据执行过程和数据传输过程的能耗，且最大化社交信任值的函数；所述约束条件包括D2D通信连接约束条件、计算任务执行时间约束条件和用户设备发射功率约束条件；计算任务数据总量确定模块，用于确定研究区域对应的计算任务数据总量；所述计算任务数据总量为一段时间内所述研究区域中各个所述远程用户设备的每个时隙计算任务数据量的和；所述时隙计算任务数据量为上一时隙未被执行的计算任本文档来自技高网...

【技术保护点】
1.一种结合社交感知的计算任务网络参数优化方法，其特征在于，包括：/n确定研究区域对应的结合社交网络的MEC-D2D网络架构、数据传输模型以及消耗模型；所述MEC-D2D网络架构是根据所述研究区域对应的服务场景建立的模型架构；所述MEC-D2D网络架构包括一个具有移动边缘计算服务器的集中式基站和多个用户设备，所述用户设备包括远程用户设备和近端用户设备；每个所述远程用户设备只能连接一个所述近端用户设备，且每个所述近端用户设备只能连接一个所述远程用户设备；所述数据传输模型按照数据传输方向依次包括计算任务缓冲区、远程用户设备服务器、近端用户设备服务器以及移动边缘计算服务器；所述消耗模型包括数据执行消耗计算函数和数据传输消耗计算函数；所述数据执行消耗为所述远程用户设备服务器和所述近端用户设备服务器在执行计算任务时所产生的消耗能量，所述数据传输消耗为所述远程用户设备服务器和所述近端用户设备服务器在传输计算任务时所产生的消耗能量；/n根据所述MEC-D2D网络架构，确定社会信任矩阵；所述社会信任矩阵中的元素表示一个所述远程用户设备和一个所述近端用户设备之间的社交信任值；/n根据所述社会信任矩阵、所述数据执行消耗计算函数和所述数据传输消耗计算函数，确定所述研究区域对应的最大化长期系统网络效用函数和约束条件；所述最大化长期系统网络效用函数为一段时间内最小化用户设备在数据执行过程和数据传输过程的能耗，且最大化社交信任值的函数；所述约束条件包括D2D通信连接约束条件、计算任务执行时间约束条件和用户设备发射功率约束条件；/n确定研究区域对应的计算任务数据总量；所述计算任务数据总量为一段时间内所述研究区域中各个所述远程用户设备的每个时隙计算任务数据量的和；所述时隙计算任务数据量为上一时隙未被执行的计算任务数据量与当前时隙产生的计算任务数据量的和；/n利用Lyapunov优化算法，对所述最大化系统网络效用函数解耦，得到第一短期确定性优化目标函数、第二短期确定性优化目标函数和第三短期确定性优化目标函数；所述第一短期确定性优化目标函数为远程用户设备服务器计算任务卸载优化目标函数；所述第二短期确定性优化目标函数为近端用户设备服务器与移动边缘计算服务器计算任务卸载优化目标函数，所述第三短期确定性优化目标函数为D2D通信连接选择优化目标函数；/n根据所述计算任务数据总量、所述第一短期确定性优化目标函数和所述任务执行时间约束条件，确定远程用户设备服务器的任务执行时间；/n根据所述计算任务数据总量、所述第二短期确定性优化目标函数、所述发射功率约束条件和所述任务执行时间约束条件，确定远程用户设备发射功率和近端用户设备发射功率；/n根据所述远程用户设备服务器的任务执行时间、所述远程用户设备发射功率、所述近端用户设备发射功率、所述第三短期确定性优化目标函数以及所述D2D通信连接约束条件，确定每个远程用户设备和每个近端用户设备之间的D2D通信连接关系。/n...

【技术特征摘要】
1.一种结合社交感知的计算任务网络参数优化方法，其特征在于，包括：
确定研究区域对应的结合社交网络的MEC-D2D网络架构、数据传输模型以及消耗模型；所述MEC-D2D网络架构是根据所述研究区域对应的服务场景建立的模型架构；所述MEC-D2D网络架构包括一个具有移动边缘计算服务器的集中式基站和多个用户设备，所述用户设备包括远程用户设备和近端用户设备；每个所述远程用户设备只能连接一个所述近端用户设备，且每个所述近端用户设备只能连接一个所述远程用户设备；所述数据传输模型按照数据传输方向依次包括计算任务缓冲区、远程用户设备服务器、近端用户设备服务器以及移动边缘计算服务器；所述消耗模型包括数据执行消耗计算函数和数据传输消耗计算函数；所述数据执行消耗为所述远程用户设备服务器和所述近端用户设备服务器在执行计算任务时所产生的消耗能量，所述数据传输消耗为所述远程用户设备服务器和所述近端用户设备服务器在传输计算任务时所产生的消耗能量；
根据所述MEC-D2D网络架构，确定社会信任矩阵；所述社会信任矩阵中的元素表示一个所述远程用户设备和一个所述近端用户设备之间的社交信任值；
根据所述社会信任矩阵、所述数据执行消耗计算函数和所述数据传输消耗计算函数，确定所述研究区域对应的最大化长期系统网络效用函数和约束条件；所述最大化长期系统网络效用函数为一段时间内最小化用户设备在数据执行过程和数据传输过程的能耗，且最大化社交信任值的函数；所述约束条件包括D2D通信连接约束条件、计算任务执行时间约束条件和用户设备发射功率约束条件；
确定研究区域对应的计算任务数据总量；所述计算任务数据总量为一段时间内所述研究区域中各个所述远程用户设备的每个时隙计算任务数据量的和；所述时隙计算任务数据量为上一时隙未被执行的计算任务数据量与当前时隙产生的计算任务数据量的和；
利用Lyapunov优化算法，对所述最大化系统网络效用函数解耦，得到第一短期确定性优化目标函数、第二短期确定性优化目标函数和第三短期确定性优化目标函数；所述第一短期确定性优化目标函数为远程用户设备服务器计算任务卸载优化目标函数；所述第二短期确定性优化目标函数为近端用户设备服务器与移动边缘计算服务器计算任务卸载优化目标函数，所述第三短期确定性优化目标函数为D2D通信连接选择优化目标函数；
根据所述计算任务数据总量、所述第一短期确定性优化目标函数和所述任务执行时间约束条件，确定远程用户设备服务器的任务执行时间；
根据所述计算任务数据总量、所述第二短期确定性优化目标函数、所述发射功率约束条件和所述任务执行时间约束条件，确定远程用户设备发射功率和近端用户设备发射功率；
根据所述远程用户设备服务器的任务执行时间、所述远程用户设备发射功率、所述近端用户设备发射功率、所述第三短期确定性优化目标函数以及所述D2D通信连接约束条件，确定每个远程用户设备和每个近端用户设备之间的D2D通信连接关系。


2.根据权利要求1所述的一种结合社交感知的计算任务网络参数优化方法，其特征在于，所述确定研究区域对应的结合社交网络的MEC-D2D网络架构、数据传输模型以及消耗模型，具体包括：
确定研究区域对应的结合社交网络的MEC-D2D网络架构；
根据所述MEC-D2D网络架构，构建数据传输模型；
根据所述数据传输模型，确定数据传输过程中的能耗模型；
所述能耗模型的表达式为Eij(t)表示在第t个时隙时第i条计算任务卸载链路所产生的消耗总量；所述计算任务卸载链路按照数据传输方向包括第i个远程用户设备、第j个近端用户设备以及移动边缘计算服务器；表示在第t个时隙时第i个远程用户设备服务器执行计算任务时所产生的消耗能量，表示在第t个时隙时第j个近端用户设备服务器执行计算任务时所产生的消耗能量，表示在第t个时隙时第i个远程用户设备服务器向第j个近端用户设备服务器传输计算任务时所产生的消耗能量，表示在第t个时隙时第j个近端用户设备向移动边缘计算服务器传输计算任务时所产生的消耗能量；τ0表示时隙宽度；表示在第t个时隙时第i个远程用户设备服务器向第j个近端用户设备服务器的发射功率；表示在第t个时隙时第j个近端用户设备向移动边缘计算服务器的发射功率；
其中，α为由CPU模式所决定的性能参数，表示在第t个时隙时第i个远程用户设备服务器的计算任务执行时间，表示在第t个时隙时第j个近端用户设备服务器的计算任务执行时间，表示在第t个时隙时第i个远程用户设备服务器的CPU周期频率，表示在第t个时隙时第j个近端用户设备服务器的CPU周期频率。


3.根据权利要求2所述的一种结合社交感知的计算任务网络参数优化方法，其特征在于，所述研究区域对应的最大化长期系统网络效用函数和约束条件为：
其中，和x(t)＝{xij(t)}；表示在第t个时隙时第i个远程用户设备服务器向第j个近端用户设备服务器的发射功率；表示在第t个时隙时第j个近端用户设备向移动边缘计算服务器的发射功率；xij(t)表示在第t个时隙时第i个远程用户设备服务器与第j个近端用户设备服务器的D2D通信连关系；T表示时隙总数；N表示远程用户设备总数；K表示近端用户设备总数；Uij(t)＝βωij(t)-(1-β)Eij(t)，β∈[0,1]是社交信任值与消耗总量的权重，ωij(t)表示在第t个时隙时第i个远程用户设备和第j个近端用户设备之间的社会信任值；C1和C2是发射功率约束条件；C3是远程用户设备服务器任务执行时间约束条件；C4～C6是D2D通信连接约束条件；PiDT表示在第t个时隙时第i个远程用户设备服务器的发射功率；表示在第t个时隙时第j个近端用户设备的发射功率；Pi,max表示第i个远程用户设备服务器的发射功率上限；Pj,max表示第j个近端用户设备的发射功率。


4.根据权利要求1所述的一种结合社交感知的计算任务网络参数优化方法，其特征在于，所述确定研究区域对应的计算任务数据总量，具体包括:
确定研究区域内各个所述远程用户设备在每个时隙内产生计算任务数据的速率；
确定所述研究区域的时间模式；所述时间模式为等长时隙的模式；
确定研究区域内各个所述远程用户设备在上一时隙未被执行的计算任务数据量；
根据所述速率、所述时间模式以及所述上一时隙未被执行的计算任务数据量，计算每个时隙计算任务数据量；
汇总所有时隙计算任务数据量，确定研究区域对应的计算任务数据总量。


5.根据权利要求3所述的一种结合社交感...

【专利技术属性】
技术研发人员：许晨，隆豪，绳韵，郑光远，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11