一种基于边缘计算系统的智能动态任务计算卸载方法技术方案

本发明专利技术提出了一种基于边缘计算系统的智能动态任务计算卸载方法。首先提出了具有智能超频能力的新型移动边缘计算模型，然后在智能超频MEC系统模型下构建了用户任务模型、系统卸载决策模型、系统超频决策模型、任务卸载收益模型以及本地计算开销模型和边缘计算开销模型。然后利用李亚普洛夫原理把多时隙动态任务计算卸载问题确定到只与当前时隙相关，并提出了一个权衡系统效用和系统稳定性的数学问题。最后针对这个优化问题，本发明专利技术提出了相应的解决方案以获得该动态任务卸载问题的计算卸载方案，并通过实施例证明了方案的有效性和优越性。优越性。优越性。

【技术实现步骤摘要】
一种基于边缘计算系统的智能动态任务计算卸载方法


[0001]本专利技术属于移动边缘计算中的计算卸载领域，是一种基于边缘计算系统的智能动态任务 计算卸载方法。

技术介绍

[0002]近年来，各种网络技术飞速发展，越来越多物联网设备接入无线网络，这给当前的通信 网络带来了巨大的压力。复杂分布式应用程序的涌现以及新兴5G网络的普及也对物联网设 备提出了更多新要求。为了缓解无线网络和物联网设备的压力，许多新型网络架构被提出， 而移动边缘计算(Mobile edge computing,MEC)作为一种很有前途的物联网范例是其中最值 得研究的网络架构之一。
[0003]MEC的最初构架是把雾计算与物联网相集成，这便可以将一些网络设备(如服务器等) 部署在网络边缘。这种物联网的核心是如何构建MEC网络，以支持大量用户能将数据或计 算任务卸载到边缘网络中储存和执行。考虑到具有快速数据传输能力的5G网络以及具有更 多计算资源的新型MEC服务器，支持MEC的物联网可以很好地满足新兴应用的计算需求， 并能同时降低骨干网络和中央云的基础设施压力。
[0004]MEC网络的关键技术之一是计算卸载，即如何决策哪些用户将任务卸载到MEC服务 器上执行。但是，这种任务处理方式会产生与时延和能耗相关的额外开销。因此，在满足任 务的服务质量前提下，最小化系统计算开销是一个值得研究的问题。
[0005]在现有的MEC计算卸载相关模型和算法中，大部分的研究都是考虑静态的网络场景， 即用户卸载任务，MEC系统的资源都是固定不变的。而实际生活中，网络场景都是动态形 式的，即用户设备的卸载任务是在不断产生的，MEC服务器也是在不间断地处理卸载任务 的。
[0006]在静态网络中，部分研究考虑到当卸载任务量过大、过多时，MEC资源也会变得紧缺， 因此他们结合移动云计算(Mobile cloud computing，MCC)和MEC来让扩展边缘计算资源， 即根据不同场景设置多层云卸载模式。虽然这种做法的确可以缓解卸载任务过多时，MEC 系统的压力，但是多层云的缺陷是用户设备与高层云之间的高额时延，这种时延代价将会使 模型的效益大打折扣，并且传输数据所需要的能耗也会给用户设备的电池带来巨大的压力。
[0007]在动态网络中，MEC系统必须考虑连续时隙下的计算卸载问题。由于卸载任务大小的 不确定性，其处理时间和传输时间都很难确定，这便导致系统的卸载决策，资源分配决策变 得更难求解。在很多研究中，为了简化问题，都只是设置相应的权重参数，但是这种求解方 案明显既不贴合实际，也不能达到最优化系统资源分配。并且在动态任务计算卸载方法中， 不仅要考虑到系统效用最大化问题，还要考虑系统的稳定性问题。
[0008]针对以上问题，本专利技术提出了一种智能超频MEC系统模型，有效解决了卸载任务过多、 过大时，MEC计算资源不足的情况。并在这个模型基础上，提出了一种先进的计算卸载方 法，以解决动态网络场景中，MEC系统的效益与稳定性的权衡问题。

技术实现思路

[0009]本专利技术从移动边缘计算服务器层面考虑优化移动边缘计算系统的性能，具体搭建了一种 智能超频移动边缘计算系统模型，并在该系统的基础上，解决了动态任务计算卸载中系统效 用和系统稳定的权衡问题。
[0010]为了解决上述问题，本专利技术首先提供了一个智能超频移动边缘计算系统模型。本专利技术还 提供了上述模型的子模型设置，包括服务器超频模型，动态任务模型，计算卸载模型和资源 分配模型。
[0011]基于以上模型，提出了联合考虑系统效用和稳定性的权衡问题，共同优化系统的卸载决 策，超频决策，资源分配以及任务卸载速率。资源分配与任务卸载速率问题具有很强的耦合 关系，共同优化它们能取得更优的解决方案。
[0012]步骤1：针对具有智能超频能力移动边缘计算系统下的多用户场景，构建智能超频移动 边缘计算服务器的损耗模型L(t)和用户的动态任务队列集合{I
n
}，其中t表示服务器运行 的时间，下标n表示第n个用户，
[0013]步骤2：步骤1中的智能超频服务器需要进行超频决策，设置超频决策变量π，并且步 骤1中的用户需要进行卸载决策，设置卸载决策变量x；
[0014]步骤3：步骤2中的卸载决策为本地执行时，考虑用户任务在本地计算时，卸载速率满 足限制，提出任务执行时卸载速率变量满足
[0015][0016]对于卸载速率变量其下标n表示第n个用户，上标l表示任务本地执行 标号。表示第n个用户的在时隙s下的最大队列积压，下标n表示第n个用户， 标号s表示第s个时隙，以及任务处理时间满足服务质量要求
[0017][0018]其中是卸载任务的本地处理时延，其下标n表示第n个用户，上标l表示任 务本地执行标号。表示卸载任务允许的最大时延，其下标n表示第n个用户，
[0019]步骤4：步骤2中的卸载决策为边缘执行时，考虑用户的卸载任务上传到边缘服务器执 行的服务质量限制和边缘服务器的计算资源限制，提出卸载任务的执行时间t
r
满足
[0020][0021]其中t
r
是卸载任务决策到边缘执行所需要的总时延，下标r表示任务边缘执行标号。 是卸载任务的服务质量要求。以及边缘服务器分配给用户的计算资源满足
[0022][0023][0024]其中表示第n个用户的卸载任务所被分配的计算资源，其下标n表示第n个用户， 上标r表示任务边缘执行标号。表示卸载任务到移动边缘计算服务器上执行 的用户集合，F
r
是服务器所能分配的最大计算资源，下标r表示任务边缘执行标号。还有 用
户任务卸载速率变量满足
[0025][0026]对于卸载速率变量其下标n表示第n个用户，上标r表示任务边缘执行 标号。表示第n个用户的在时隙s下的最大队列积压。
[0027]步骤5：步骤4中移动边缘计算服务器处理卸载任务时，考虑移动边缘计算服务器的超 频时长限制，提出移动边缘计算服务器超频工作时长t满足
[0028]t≤T0[0029]其中T0是服务器允许的最大工作时长；
[0030]步骤6：步骤3和步骤4中系统处理用户的卸载任务时，考虑系统的稳定性限制，提出 系统的平均队列积压应该满足
[0031][0032]步骤7：基于以上步骤，考虑系统完成所有卸载任务带来的收益以及总时间成本和能量 成本为所构建系统的主要评价指标，构建用户卸载收益模型X
n
，下标n表示第n个用户， 卸载任务在本地执行的计算开销模型其下标n表示第n个用户，上 标l表示任务本地执行标号。卸载任务在边缘执行的计算开销模型其下标n表示第n个 用户，上标r表示任务边缘执行标号。以及系统的平均卸载效用模型
[0033]步骤8：基于步骤6和步骤7中提出的成本模型，提出权衡系统效用和稳定性问题，主 要是解决联合优化卸载决策、计算资源分配和卸载速率决策以及超频决策问题，并提出相应 的计算卸载方法解决该问题。...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算系统的智能动态任务计算卸载方法，其特征在于，步骤1：针对具有智能超频能力移动边缘计算系统下的多用户场景，构建智能超频移动边缘计算服务器的损耗模型L(t)和用户的动态任务队列集合{I
n
}，其中t表示服务器运行的时间，下标n表示第n个用户，步骤2：步骤1中的智能超频服务器需要进行超频决策，设置超频决策变量π，并且步骤1中的用户需要进行卸载决策，设置卸载决策变量x；步骤3：步骤2中的卸载决策为本地执行时，考虑用户任务在本地计算时，卸载速率满足限制，提出任务执行时卸载速率变量满足对于卸载速率变量其下标n表示第n个用户，上标l表示任务本地执行标号；表示第n个用户的在时隙s下的最大队列积压，下标n表示第n个用户，标号s表示第s个时隙，以及任务处理时间满足服务质量要求：其中是卸载任务的本地处理时延，其下标n表示第n个用户，上标l表示任务本地执行标号；表示卸载任务允许的最大时延，其下标n表示第n个用户，步骤4：步骤2中的卸载决策为边缘执行时，考虑用户的卸载任务上传到边缘服务器执行的服务质量限制和边缘服务器的计算资源限制，提出卸载任务的执行时间t
r
满足其中t
r
是卸载任务决策到边缘执行所需要的总时延，下标r表示任务边缘执行标号；是卸载任务的服务质量要求；以及边缘服务器分配给用户的计算资源满足满足其中表示第n个用户的卸载任务所被分配的计算资源，其下标n表示第n个用户，上标r表示任务边缘执行标号；表示卸载任务到移动边缘计算服务器上执行的用户集合，F
r
是服务器所能分配的最大计算资源，下标r表示任务边缘执行标号；还有用户任务卸载速率变量满足对于卸载速率变量其下标n表示第n个用户，上标r表示任务边缘执行标号；表示第n个用户的在时隙s下的最大队列积压；步骤5：步骤4中移动边缘计算服务器处理卸载任务时，考虑移动边缘计算服务器的超频时长限制，提出移动边缘计算服务器超频工作时长t满足t≤T0其中T0是服务器允许的最大工作时长；
步骤6：步骤3和步骤4中系统处理用户的卸载任务时，考虑系统的稳定性限制，提出系统的平均队列积压应该满足步骤7：基于以上步骤，考虑系统完成所有卸载任务带来的收益以及总时间成本和能量成本为所构建系统的主要评价指标，构建用户卸载收益模型X
n
，下标n表示第n个用户，卸载任务在本地执行的计算开销模型其下标n表示第n个用户，上标l表示任务本地执行标号；卸载任务在边缘执行的计算开销模型其下标n表示第n个用户，上标r表示任务边缘执行标号；以及系统的平均卸载效用模型步骤8：基于步骤6和步骤7中提出的成本模型，提出权衡系统效用和稳定性问题，主要是解决联合优化卸载决策、计算资源分配和卸载速率决策以及超频决策问题，并提出相应的计算卸载方法解决该问题。2.根据权利要求1所述的基于边缘计算系统的智能动态任务计算卸载方法，其特征在于，步骤1中的智能超频移动边缘计算系统场景是由拥有智能超频功能的移动边缘计算服务器和个用户设备组成的，特别地，卸载系统是在离散时隙中运行的，每个时隙s持续的时间为T
cyc
(T
cyc
是一个标量，代表一个固定的时长)；超频状态下产生的损失函数L(t)由下式给出：其中α＞0是一个固定值，表示损失函数L(t)随时间t的增长率，T
cyc
为损失函数的周期；在时隙s中，动态任务队列模型I
n
(下标n表示第n个用户，)表示为：其中Q
n
(s)(下标n表示第n个用户，标号s表示第s个时隙，)是队列积压的长度；D
n
(s)(下标n表示第n个用户，标号s表示第s个时隙，)是当前时隙下将要被处理的任务数据大小；C
n
(s)(下标n表示第n个用户，标号s表示第s个时隙，)是处理任务数据D
n
(s)所需要的CPU圈数，其具体的表达为C
n
(s)＝μ
n
(s)D
n
(s)，其中μ
n
(s)(下表n表示第n个用户，标号s表示第s个时隙，)是当前时隙下卸载任务的复杂度系数；(s)(下标n表示第n个用户，标号s表示第s个时隙，)表示当前卸载任务的最大执行时间；分别用集合A(s)＝{a1(s),a2(s),...,a
n
(s),...,a
N
(s)}(a
n
(s)表示第n个用户在时隙s下的接收的新卸载任务大小，其下标n表示第n个用户，标号s表示第s个时隙，)和Q(s)＝{Q1(s),Q2(s),...,Q
n
(s),...,Q
N
(s)}(Q
n
(s)表示第n个用户在时隙s下的队列积压，其下标n表示第n个用户，标号s表示第s个时隙，)代表当前时隙下用户接收新的卸载任务的集合和用户的队列积压集合。3.根据权利要求1所述的基于边缘计算系统的智能动态任务计算卸载方法，其特征在于，
在时隙s下，步骤2中描述的服务器的超频决策模型可以被定义为π(s)∈{0,1}，标号s表示第s个时隙，其中π(s)＝0表示移动边缘计算服务器未启动超频状态，而π(s)＝1表示移动边缘计算服务器启动了超频状态；步骤2中描述的卸载决策模型可以定义为下标n表示第n个用户，标号s表示第s个时隙，其中x
n
(s)∈{0,1}；当x
n
(s)＝0时，卸载任务将在本地处理；当x
n
(s)＝1时，卸载任务将被卸载到移动边缘计算服务器上处理。4.根据权利要求1所述的基于边缘计算系统的智能动态任务计算卸载方法，其特征在于...

【专利技术属性】
技术研发人员：王克浩，熊振华，刘克中，陈默子，曾旭明，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：