【技术实现步骤摘要】
多层边缘计算系统中联合绿色能源调度和动态任务分配方法
本专利技术涉及物联网中应用的
，具体涉及一种多层边缘计算系统中联合绿色能源调度和动态任务分配方法。技术背景随着移动通信技术的空前发展(如5G)，移动设备的数量呈爆炸式增长，预计数十亿物联网(Internetofthings，IoT)设备(如移动设备、可穿戴设备、传感器等计算节点)将通过蜂窝网、低功耗广域网等方式连接到互联网。在这一背景下，各种各样的IoT应用应运而生，如车联网、智能监控、增强现实、智慧城市等，物联网系统发展迅速。随着IoT应用类型的不断丰富、功能的日益强大，IoT设备将产生大量的中间数据，并且需要庞大的算力和能源以支撑相应的IoT服务，但在实际生活中，出于便携的考虑，较小的移动设备受物理尺寸的限制难以提供足够的资源以实现令人满意的IoT服务。为解决上述问题，任务卸载被广泛认为是一种有效的任务处理方式。任务卸载是将数据处理任务从计算资源缺乏的、能量匮乏的IoT设备卸载到有充足计算资源和能量的计算结点，从而为IoT设备的任务执行提供更多可用的...
【技术保护点】
1.多层边缘计算系统中联合绿色能源调度和动态任务分配方法，其特征在于，所述方法包括：/nS1模型建立并初始化：任务模型建模、前后端边缘服务器模型建模、前端边缘服务器电池模型建模，中心控制器设定绿色能源电池最大容量Q
【技术特征摘要】
1.多层边缘计算系统中联合绿色能源调度和动态任务分配方法，其特征在于，所述方法包括：
S1模型建立并初始化：任务模型建模、前后端边缘服务器模型建模、前端边缘服务器电池模型建模，中心控制器设定绿色能源电池最大容量Qmax，设定长期服务运行时间为T，并根据每个离散时间片段内中心控制器所收集到的信息为任务卸载执行进行长期成本建模；
S2收集系统信息并建立问题成本模型：基站收集当前的设备任务卸载请求及前后端边缘服务器资源信息，并将其发送至中心控制器；
S3Lyapunov技术优化：中心控制器根据任务卸载模型及约束进行Lyapunov优化，联合优化当前卸载成本和电池电量；
S4策略实施：中心控制器将制定的任务卸载策略和绿色能源调度策略广播至网络中的所有服务器，处理相应的卸载请求；
S5更新电池能量队列及策略：更新绿色能源电池容量，历史任务卸载策略、绿色能源调度策略，及时间t＝t+1，判断时间片段t是否小于总时间片段数T，如果是，则继续步骤S2，反之结束。
2.根据权利要求1所述的多层边缘计算系统中联合绿色能源调度和动态任务分配方法，其特征在于，还包括在所述步骤S3之后的制定时间片段t的任务卸载策略及绿色能源调度策略，其中，制定时间t内的策略包括控制器利用Simplex方法求解问题卸载策略的分数式解，并进一步利用分数式解之间的独立依赖性，提出独立依赖性算法求解整数式解，将卸载策略带回求得绿色能源调度策略。
3.根据权利要求1所述的多层边缘计算系统中联合绿色能源调度和动态任务分配方法，其特征在于，所述步骤S1还包括所述的长期成本包括任务卸载传输时延、前后端边缘服务器为处理任务消耗的能源成本、以及云服务器端云资源租用成本，初始化当前时间t＝0，初始化各个前端服务器的电池容量为0；其中所述的长期任务卸载成本建模步骤包括：
S1.1设备任务建模：中心控制器对每个任务卸载请求制定任务卸载策略xij(t)，即在时间片段t内，将任务卸载至前端边缘服务器f(0<f≤F)、或后端边缘服务器b(F<b≤F+B)、或云服务器c(c＝F+B)进行处理，假定在给点时间片段t内，对于设备任务而言能且仅能卸载至一个服务器进行处理，任务卸载需要满足的约束有:
其中，公式(1)中，N表示网络中所有的设备，F表示网络中所有配备能量收集技术的前端边缘服务器，B表示网络中所有的后端边缘服务器；公式(2)表示时间片t内，前端边缘服务器j所能处理的任务周期数不能超过其总的处理能力公式(3)表示时间片t内，后端服务器j所能处理的任务周期数不能超过其总的处理能力公式(4)表示时间片t内，设备任务仅能被卸载一次；
S1.2对配备能量收集设备的前端边缘服务器建模：
假定每个配备能量收集设备的前端边缘服务器f∈{1,2,...,F}在时间片段t内可收集的绿色能量用Rf(t)表示，实际能够收集到的绿色能源用rf(t)表示，其中用于处理任务的绿色能源用表示，进一步有：
rf(t)∈[0,Rf(t)](5)
配备能量收集设备的前端边缘服务器f∈{1,2,...,F}在时间片段t内所消耗的总的能耗可以表示为：
其中表示处理i任务所消耗的j服务器的能耗；
考虑到电池能量约束：
进一步有：<...
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。