【技术实现步骤摘要】
工业物联网中协作式任务卸载和资源分配的联合优化方法
[0001]本专利技术涉及工业物联网中协作式任务卸载和资源分配的联合优化方法，属于工业物联网的边缘计算领域。
技术介绍
[0002]作为物联网(Internet of Things，IoT)的重要组成部分，工业物联网(Industrial IoT，IIoT)将具有感知、通信和处理能力的大量异构IIoT设备(例如，智能传感器、机器、仪器仪表、机器人和车辆)、以及人工智能和大数据技术等融入到工业生产过程中，以提高制造效率和降低生产成本。因此，IIoT已经成为一种支持工业4.0的有前景范式。然而，由于IIoT设备的计算能力和电池容量有限，难以执行计算密集型和延迟敏感型IIoT应用。在传统的云计算的方案中，IIoT设备需要将其任务卸载到远程云计算服务器(Cloud Computing Servers，CCS)，因此，随着IIoT设备和任务的数量的增加，数据流量急剧增加，这给回程链路和核心网造成了巨大负担，导致了更高的任务执行延迟和更低的服务质量(Quality of Service
【技术保护点】
【技术特征摘要】
1.一种工业物联网中协作式任务卸载和资源分配的联合优化方法，其特征在于，具体步骤如下：步骤1：设置系统模型的各参数；1.1设置网络模型：网络分为三层，从下到上分别为IIoT设备层、边缘层和云层，其中，IIoT设备层包含多种类型的IIoT设备，每个IIoT设备用符号u表示，IIoT设备周期性地采集环境数据，并生成计算密集和延迟敏感型任务；每个IIoT设备通过无线网络接入到本地BS；每个IIoT设备配有一个电池，采用有线或无线充电的方式为设备提供电能；边缘层包含M个BS和一个SDN控制器，每个BS用符号m表示，每个BSm上配备了一个ECS，每个ECS也用符号m表示，计算能力为f
m
，负责为IIoT设备提供边缘计算资源；每个BS通过光纤链路连接到SDN控制器，用符号s表示，SDN控制器通过核心骨干网连接到云层；SDN控制器负责收集环境状态信息，并为每个IIoT设备做出任务卸载和资源分配决策；云层包含多个计算能力充足的CCSs，用符号c表示，计算能力为f
c
；1.2将整个时间轴划分为T个长度相同的时隙，t∈T表示时隙索引，且采用准静态模型，即在一个时隙内，所有环境状态参数保持不变，而不同时隙参数不同；1.3设置任务卸载模型：在每个时隙t，每个BS m中的每个IIoT设备u会随机产生一个计算任务其中表示任务输入数据大小，表示任务计算量，表示任务的最大容许延迟；定义在时隙t在BS m内产生计算任务的所有IIoT设备的集合为对应数量为采用协作式部分卸载方案，即假设每个任务被分成多个子任务；首先，需要确定IIoT设备本地是否有足够的计算资源，若有，IIoT设备将本地处理整个任务；否则，IIoT设备将根据自身的计算能力处理部分任务，同时将剩余任务卸载到本地ECS；本地ECS在收到卸载任务后，也将根据自身的计算能力处理部分任务，然后，将剩余任务卸载到某个非本地ECS或者CCSs上；定义在时隙t在BS m内的IIoT设备的卸载决策为决策为其中表示将任务从IIoT设备u卸载到本地ECS m的任务卸载比例，表示将任务从本地ECS m卸载到某个非本地ECS n∈{M\{m}}的任务卸载比例，且每个本地ECS一次只能选择一个非本地ECS来执行协作式边缘计算，[0，1]表示将任务从本地ECSm卸载到CCSs c的任务卸载比例；1.4设置通信模型：假设每个BS工作在相同的频带上，且频带宽度为B
w
；采用正交频分复用技术将频带宽度B
w
划分成多个正交子信道；定义在时隙t在BS m内的IIoT设备u的带宽资源分配决策为当设备u本地执行整个任务时，则无需为其分配带宽资源，即定义在时隙t内IIoT设备u与本地BS m之间的上行SNR值为且其中，表示IIoT设备u的发射功率，友示BS m与IIoT设备u之间的信道增
益，σ2表示加性高斯白噪声的方差；定义在时隙t内IIoT设备u与本地BS m之间的上行数据传输速率为且定义每个BS m和SDN控制器s之间的数据传输速率均为常数θ
m，s
，SDN控制器s和CCSs c之间的数据传输速率为常数θ
s，c
，且θ
m，s
＞θ
s，c
；1.5设置计算模型：采用四种计算模型，即本地计算模型、本地边缘计算模型、协作式边缘计算模型和云计算模型，其中1.5.1本地计算模型：定义在BS m内的IIoT设备u的计算能力为当任务在IIoT设备u上本地执行时，任务的执行延迟为1.5.2本地边缘计算模型：当IIoT设备u的计算资源不足时，设备u将部分任务卸载到本地ECS m上，所需要的上行传输延迟为然后，定义在时隙t本地ECS m为部分任务所分配的计算资源为因此，在本地ECS m上的任务计算延迟为1.5.3协作式边缘计算模型：当本地ECS m的计算资源不足时，将部分任务卸载到某个非本地ECS n上，以平衡ECS的工作负载；定义在时隙t本地ECS m将部分任务卸载到某个非本地ECS n的传输延迟为定义在时隙t某个非本地ECS n为部分任务所分配的计算资源为因此，在非本地ECS n上的任务计算延迟为1.5.4云计算模型：当所有ECS上的计算资源均不足时，本地ECS m需要将部分任务进一步卸载到CCSs c上执行，以充分利用CCSs的丰富计算资源；定义在时隙t本地ECS m将部分任务卸载到CCSs c的传输延迟为因此，在CCSs c上的任务计算延迟为
由于任务计算结果的数据大小通常较小，因此忽略了任务计算结果的下载延迟。定义在时隙t任务的总执行延迟为1.6设置能量模型：当任务在IIoT设备u上本地执行时，设备u的计算能耗为其中，表示IIoT设备u每执行一个CPU周期所消耗的能量；然后，当IIoT设备u将部分任务卸载到本地ECS上时，设备u的通信能耗为因此，在时隙t内IIoT设备u的总能耗为然后，将充电过程建模为连续到达的能量包，定义在时隙t设备u所获得的能量为设备u的最大电池容量为因此在下一个时隙t+1设备u的剩余电池电量为步骤2：采用CTORA算法来为每个IIoT设备做出最优决策，目标是最小化长期系统总成本，包括延迟成本和能耗成本。2.根据权利要求1所述的工业物联网中协作式任务卸载和资源分配的联合优化方法，其特征在于，所述步骤2中算法的具体步骤如下：2.1将协作式任务卸载和资源分配问题描述为一个带约束的马尔可夫决策过程，优化目标是最大化系统的长期累积折扣奖励；该过程用一个五元组<S，A，R，Pr，C>来表示，其中S表示状态空间：在时隙t，SDN控制器负责收集系统的状态s
t
∈S，包括每个IIoT设备u的任务参数每个设备u的计算能力每个设备u的发射功率每个设备u的上行SNR值每个设备u每执行一个CPU周期所消耗的能量每个设备u的剩余电池电量每个设备u所获得的能量每个设备u的最大电池容量为每个BS的总带宽B
w
、每个ECS m的计算能力f
m
、CCSs c的计算能力f
c
、每个BS m和SDN控制器s之间的数据传输速率θ
m，s
、SDN控制器s和CCSs c之间的数据传输速率θ
s，c
；
A表示动作空间：在接收到系统状态s
t
之后，智能体将选择一个动作a
t
∈A来做出任务卸载和资源分配决策，包括每个设备u的卸载决策每个设备u的带宽资源分配决策每个设备u的本地计算资源分配决策每个设备u的非本地计算资源分配决策R表示奖励：在当前状态s
t
下执行动作a
t
之后，智能体会收到一个即时奖励R
t
(s
t
，a
t
)，且即系统总成本越大，奖励值越小；Pr表示状态转移概率：智能体从当前状态s
t
下执行动作a
t
之后，系统转移到下一状态s
t+1
的概率，且C表示约束条件：智能体在每个时隙t所选择的动作a
t
需要满足如下约束(17)
‑
(27)，(27)，(27)，(27)，(27)，(27)，(27)，(27)，(27)，(27)，(27)，2.2采用CTORA算法来为每个IIoT设备做出任务卸载和资源分配决策；CTORA算法框架包括三个模块：评估网络、目标网络和经验重放池；评估网络包括一个评估actor网络π
μ
和一个评估critic网络D
ψ
，目标网络包括一个目标actor网络和一个目标critic网络
π
μ
表示所估计的策略函数，用于选择动作；D
ψ
表示所估计的软状态动作回报的分布函数，用于指导π
μ
的参数更新；表示目标策略函数，表示软状态动作回报的目标分布函数；通过最小化损失函数来训练D
ψ
的参数ψ，使得所估计的分布函数接近目标分布函数；通过最大化策略π
μ
的软Q值来更新π
μ
的参数μ；经验重放池负责存储每个时间步的经验样本，并通过在每个重放周期...
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。