【技术实现步骤摘要】
基于移动边缘计算的通信和计算资源联合优化方法
本专利技术涉及一种基于移动边缘计算的通信和计算资源联合优化方法，属于无线通信
技术介绍
随着物联网技术的不断推进，设备终端上将运行着越来越多的数据密集型应用和时延敏感型应用。这些应用具备低时延、高带宽的要求对于设备有限的资源提出了很大的挑战，严重影响了用户服务体验质量。为了满足时延和带宽需求，研究者提出了云计算和边缘计算。云计算配备有大型数据中心，具有很高的计算能力，它可以接收并处理来自设备侧的不同数据，但是传统的云计算服务器通常和移动设备间隔很远的距离，整个传输过程会导致巨大的传输时延压力。边缘计算在无线网络边缘扩展计算、带宽、存储等资源，以此为设备侧提供强有效的计算能力、存储能力、位置感知服务等，缓解传输通信网络成本，然而边缘计算服务器计算存储资源有限，难以满足大型任务的服务要求。现有的移动边缘计算资源分配研究中，大多数考虑的是多个边缘服务器之间的协作，或是边缘服务器和云服务器之间的协作，很少同时考虑边缘节点和边缘节点的合作以及边缘节点和云之间的协作...
【技术保护点】
1.一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，包括以下步骤：/n基于移动边缘计算系统模型、任务排队计算模型以及通信模型，制定进行任务卸载时最优化系统功耗和吞吐量的优化问题；/n将优化问题分解为设备端到边缘服务器的负载流量预测问题和基于系统功耗和吞吐量的边缘计算联合优化通信资源和计算资源问题；/n以最优化的系统功耗和吞吐量为目标，解决上述问题，从而完成资源分配任务；/n其中，所述移动边缘计算系统模型基于移动边沿计算的任务调度和资源分配框架建立；/n通过李雅普诺夫优化方法将通信资源和计算资源问题分解为多个子问题并逐一进行解决；所述子问题包括基于FDMA的发射...
【技术特征摘要】
1.一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，包括以下步骤：
基于移动边缘计算系统模型、任务排队计算模型以及通信模型，制定进行任务卸载时最优化系统功耗和吞吐量的优化问题；
将优化问题分解为设备端到边缘服务器的负载流量预测问题和基于系统功耗和吞吐量的边缘计算联合优化通信资源和计算资源问题；
以最优化的系统功耗和吞吐量为目标，解决上述问题，从而完成资源分配任务；
其中，所述移动边缘计算系统模型基于移动边沿计算的任务调度和资源分配框架建立；
通过李雅普诺夫优化方法将通信资源和计算资源问题分解为多个子问题并逐一进行解决；所述子问题包括基于FDMA的发射功率和带宽优化问题、边缘服务器和云服务器计算资源优化问题、边缘服务器之间的任务迁移优化问题。
2.根据权利要求1所述的一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，所述移动边缘计算系统模型包括：
由终端资源请求者构成的用户设备层，所述用户设备层包括多个不同的物联网传感器设备；
由边缘计算资源提供者构成的边缘计算层，所述边缘计算层包括边缘服务器以及边缘节点；其中，边缘服务器中的虚拟处理单元可以自适应地开启和关闭边缘节点，边缘节点分布在不同区域，可实时感知用户设备层的终端设备请求，提供设备接入、数据处理服务，并且不同的边缘节点之间可通过有线链路进行任务传输；
由集中式云服务器构成的中心云层，所述中心云层包括存储容量大、计算能力强的服务器集群，用于为边缘计算层提供大量的计算处理服务。
3.根据权利要求1所述的一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，所述通信模型包括：
边缘服务器与云服务器直接采用无线链路通信方式OFDM进行任务传输；
根据香农定理，边缘服务器的边缘节点i传输速率Ri(t)表达式如下所示：
其中，N0表示高斯白噪声的功率谱密度，Pi(t)和hi(t)分别表示边缘服务器的边缘节点i与云服务器之间的发射功率和信道功率，W为边缘服务器与云服务器之间的总信道带宽，ζi(t)表示所分配的带宽资源比例，τ表示时隙。
4.根据权利要求3所述的一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，所述任务排队和计算模型包括：
边缘服务器上的任务队列Qi(t)的更新过程的表达式如下所示：
其中，Ai(t)表示从用户设备层的终端设备抵达边缘服务器的数据量，表示从邻居边缘服务器卸载到本地边缘服务器的任务量，表示直接在本地边缘服务器处理的任务量，表示发送到邻居边缘服务器处理的任务量，表示发送到云服务器处理的任务量；
云服务器上的任务队列G(t)的更新过程的表达式如下所示：
其中，w(t)表示云服务器处理的任务量，表示从边缘服务器卸载到云服务器的任务量。
5.根据权利要求1所述的一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，所述最优化系统功耗和吞吐量包括：队列稳定性约束，服务器计算资源约束，发射功率约束以及通信带宽分配比例约束。
6.根据权利要求1所述的一种基于移动边缘计算的通信和计算资源联合优化方法，其特征在于，
所述负载流量预测问题包括：
根据已知的边缘服务器位置以及终端设备位置，获取任务的数据量；
基于任务的数据量，根据边缘服务器的覆盖范围以及用户数预测出抵达每个边缘服务器的工作负载流量；
所述通信资源和计算资源问题包括：
所有...
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。