【技术实现步骤摘要】
设备密集型工业物联网中基于端边云协同的任务卸载方法
[0001]本专利技术涉及设备密集型工业物联网中的协同任务卸载方法，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，造成了网络拥塞，导致了更高的任务执行延迟和更低的服务质量(Quality of Service，QoS)。
[000...
【技术保护点】
【技术特征摘要】
1.一种设备密集型工业物联网中基于端边云协同的任务卸载方法，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BSm表示，每个BSm上配备了一个ECS，每个ECS用符号ECSm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控制器负责对网络数据流进行集中式管理和控制；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个长度均为L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BSm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，表示计算该任务所需要的CPU周期数；定义在时隙t在BSm内产生计算任务的所有IIoT设备的集合为对应数量为在时隙t每个设备u和每个ECSm均维护一个先进先出的任务队列和分别表示在时隙t开始时设备u和ECSm尚未执行的任务所需要的CPU周期数；采用基于端边云协同的部分卸载方案，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BSm内的IIoT设备的卸载决策为其中表示将任务从IIoT设备u卸载到本地ECSm的任务卸载比例，表示将任务从本地ECSm卸载到某个非本地ECSn∈{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，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，采用正交频分复用技术将频带划分成多个带宽相同的正交子信道，每个子信道的带宽为β
w
；定义在时隙t内IIoT设备u与本地BSm之间的上行SNR值为且其中，表示IIoT设备u的发射功率，表示BSm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BSm之间的上行数据传输
速率为且定义每个BSm和SDN控制器s之间的数据传输速率均为常数SDN控制器s和CCSs c之间的数据传输速率为常数且1.5设置延迟模型：考虑四种情况下的任务执行延迟模型，即本地计算、本地边缘计算、协作式边缘计算和云计算，其中1.5.1本地计算：定义在BSm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，任务的执行延迟包括本地等待延迟和本地计算延迟，即其中，在时隙t设备u的任务队列表示为1.5.2本地边缘计算：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ECSm上，所需要的上行传输延迟为然后，当本地ECSm接收到部分任务时，在本地ECSm上的任务执行延迟包括等待延迟和计算延迟，其中，等待延迟为其中，表示在时隙t其任务优先于任务到达ECSm的本地设备的集合，表示在时隙t其任务优先于任务到达ECSm的非本地设备的集合，这些集合能够通过排序算法来获得；在时隙t本地ECSm的任务队列表示为然后，在本地ECSm上的计算延迟为因此，任务执行延迟为1.5.3协作式边缘计算：当本地ECSm的计算资源不足时，将部分任务卸载到某个非本地ECSn上，以平衡ECS的工作负载；定义在时隙t本地ECSm将部分任务卸载到某个非本地ECSn
的传输延迟为然后，当非本地ECSn接收到部分任务时，在非本地ECSn上的任务执行延迟包括等待延迟和计算延迟，等待延迟为其中，表示在时隙t其任务优先于任务到达ECSn的本地设备的集合，表示在时隙t其任务优先于任务到达ECSn的非本地设备的集合；然后，在非本地ECSn上的任务计算延迟为因此，任务执行延迟为1.5.4云计算：当所有ECS上的计算资源均不足时，本地ECSm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ECSm将部分任务卸载到CCSs c的传输延迟为然后，在CCSs c上的任务计算延迟为定义在时隙t任务的总执行延迟为1.6设置能耗模型：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ECSm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ISAC
‑
DMDRL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所述的设备密集型工业物联网中基于端边云协同的任务卸载方法，其特征在于，所述步骤2中ISAC
‑
DMDRL算法的具体步骤如下：2.1将基于端边云协同的任务卸载问题描述为一个带约束的分散式部分可观察马尔可夫决策过程，将每个IIoT设备视为一个智能体，每个智能体只能观察到局部环境状态，并通过与环境交互来学习自身的最优策略，优化目标是最大化系统的长期累积折扣奖励；该过程用一个七元组<U,S,O,A,R,Pr,C>来表示，其中U表示U个智能体的集合，且S表示全局状态空间：定义在时隙t环境的全局状态为s
t
∈S；O表示所有智能体的联合观察空间：在时隙t，每个智能体u从环境的全局状态s
t
中获得自身的局部观察O
u
表示智能体u的局部观察空间，包括智能体u的任务参数任务队列状态计算能力发射功率上行SNR值执行一个CPU周期所消耗的能量剩余电池电量所获得的能量最大电池容量为每个子信道的带宽β
w
、每个ECS的任务队列状态每个ECS的计算能力f
m
、云服务器的计算能力f
c
、每个BSm和SDN控制器s之间的数据传输速率SDN控制器s和云服务器c之间的数据传输速率在时隙t所有智能体的局部观察构成一个联合观察o
t
；A表示所有智能体的联合动作空间：在获得自身的局部观察之后，每个智能体u将选择一个动作来做出任务卸载决策，A
u
表示智能体u的动作空间；包括智能体u的...
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。