【技术实现步骤摘要】
一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法
[0001]本专利技术属于移动通信
，具体涉及一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法。
技术介绍
[0002]智能移动设备(SMD)和物联网(IoT)的爆炸性增长正在加速计算密集型和延迟敏感型应用的发展，如虚拟/增强现实、自动驾驶、人脸识别、智能城市和智能电网等，这导致了对移动终端和计算能力有限的智能物联网设备的巨大压力[1]。这种复杂的应用需要更高的计算能力、内存和电池寿命的SMD[2]。幸运的是，移动边缘计算(MEC)提供了一个有效的方法来解决这个问题，它将计算资源部署到靠近基站(BS)的边缘服务器，使智能物联网设备能够卸载它们的计算任务。在MEC系统中也存在一些挑战，特别是任务卸载和资源分配。任务卸载的一个关键问题是如何选择合适的边缘服务器，它不仅可以帮助卸载任务，而且还能保证服务的要求，特别是在多用户和多个边缘服务器的MEC系统中。计算卸载和资源分配的联合优化，可以显著减少任务的响应时间并节省能源消耗。
[0003]现有技术...
【技术保护点】
【技术特征摘要】
1.一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法，其特征在于，包括如下步骤：S1、提出基于协作式的MEC系统架构，考虑边缘节点之间的协作，即当边缘节点过载的时候，将任务请求迁移至其他低负载的边缘节点进行协作处理；S2、采用部分卸载策略，即卸载部分计算任务至边缘服务器执行，剩余部分则分配在本地IoT设备上执行；S3、针对任务到达的动态变化特征，将任务卸载决策、计算资源分配决策及通信资源分配决策的联合优化问题建模为MDP问题；S4、使用基于多智能体深度强化学习协作任务卸载和资源分配方法进行资源的动态分配以最大化系统中用户的体验质量。2.根据权利要求1所述的一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法，其特征在于，所述基于协作式的MEC系统架构中，包含设备层和边缘层；其中设备层是由各种IoT设备组成，边缘层是由多个基站组成，基站间通过有线网连接，并且每个基站都配备有具备计算和存储能力的MEC服务器；当卸载任务到边缘服务器时，对于目标边缘服务器的选取应该考虑每个边缘服务器的当前资源剩余状态；用户会首先选择将任务卸载至为其提供接入基站相关联的边缘服务器上执行；但由于不同边缘服务器服务的用户数、用户的任务达到率不同，导致业务时空分布不均，使得不同节点间具有差异化的通信负载和计算负载；计算能力和计算负载间的不匹配将使得某些边缘节点特别繁忙，产生较大的计算时延；而某些边缘节点非常空闲，导致较低的资源利用率；因此考虑通过边缘节点间的协作来实现计算负载均衡使，即将繁忙的边缘节点的任务迁移至空闲的边缘节点进行协作处理，从整体上提高系统的资源利用率，降低任务执行时延。3.根据权利要求1所述的一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法，其特征在于，所述步骤S2具体实现方式为：为更好的利用IoT设备和边缘服务器上的计算资源，设计一种部分卸载策略；假定在每个时隙内，IoT用户设备将计算任务部分卸载到边缘节点端执行，剩余部分则在本地进行处理，为充分利用本地IoT设备上的计算资源，加快计算任务的处理，考虑采用部分任务卸载策略；系统根据IoT本身的资源以及当前剩余的资源量来决定留在本地处理的计算任务量，并将剩余的计算任务卸载至计算能力更强的边缘节点进行处理，让计算任务能够并行处理，以加快任务处理速度。4.根据权利要求1所述的一种MEC架构下基于多智能体DRL的协作卸载和资源分配方法，其特征在于，所述步骤S3具体实现方式为：假设每个用户都采用先进先出FIFO的任务调度规则，该任务调度器决定将任务的部分或完全卸载至边缘服务器和/或在本地执行；同理，每个边缘服务器也配备一个FIFO的任务调度器，用来决定到来的任务是由服务器本身处理还是转移至相邻的边缘服务器处理；由于随机任务模型更符合环境动态变化的特性，任务的到达服从泊松分布；在随机任务模型下针对特定任务的资源控制决策需要从系统的长期平均性能的角度考虑它们对未来任务的影响；通过对任务模型、本地计算模型和卸载模型的建模，计算出在每个时隙产生的任务的总执行时延和能耗，建立满...
【专利技术属性】
技术研发人员：唐元春，夏炳森，陈端云，冷正龙，林文钦，林彧茜，周钊正，李翠，游敏毅，黄莘程，
申请(专利权)人：国网福建省电力有限公司，
类型：发明
国别省市：
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。