云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法技术方案

本发明专利技术公开一种云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法。该方法针对任务间依赖关系复杂的延迟敏感型应用，联合优化了任务在移动设备、边缘服务器和云端的计算迁移率，以及移动设备与边缘服务器的智能关联关系。考虑了任务间复杂的依赖关系，分别设计了移动设备、边缘服务器和云端执行任务的成本和时间。考虑了应用延迟要求，移动设备工作速度，移动设备和边缘服务器的能量，边缘服务器的总CPU周期数、总内存和最大连接移动设备数等约束。构建了云边混合系统总成本最小化的混合整数非线性规划模型。设计了一种基于栈式降噪自编码的混合高维优化算法，在满足任务延迟、边缘服务器以及云端可用资源和能量等约束的同时，最小化云边混合系统的任务执行总成本。本。本。

【技术实现步骤摘要】
云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法


[0001]本专利技术涉及云边混合系统中的计算迁移技术。更具体地，涉及一种云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法。

技术介绍

[0002]随着5G移动技术的高速发展，物联网、大数据等技术得到快速发展，截至目前全球移动设备的数量达到了159亿台。根据Ericsson公司预测的数据，到2025年将有超过500亿台设备连接到互联网。这些设备多位于互联网的边缘，可以提供新的应用，从而改变传统工业生产的许多方面和人类的日常生活。这些设备包括Apple手表、Oculus Rift头盔、Google Nest、Fitbit运动追踪器和Google眼镜等，可构建复杂的应用以实现智能家居、智能医疗、智能交通、智能建筑和智能城市等。目前，物联网的移动应用往往是计算密集型的，如增强现实、智慧医疗、语音识别、自然语言处理、在线游戏和实时监控等。这些应用往往需要快速的得到执行，然而移动设备通常仅具有有限的能量和计算资源，往往无法支撑这些计算密集型和延迟敏感型应用的运行。同时，在移动应用的延迟要求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该调度方法的目标是最小化云边混合系统中执行相关任务的总成本(F)：是最小化云边混合系统中执行相关任务的总成本(F)：是最小化云边混合系统中执行相关任务的总成本(F)：是最小化云边混合系统中执行相关任务的总成本(F)：其中，F表示云边混合系统的总成本；F
UE
表示在移动设备中执行被分配至自身的任务所产生的成本；F
EN
表示在边缘服务器中执行被分配至边缘服务器的任务所产生的成本；F
Cloud
表示在云计算数据中心中执行被分配至云计算数据中心的任务所产生的成本；表示移动设备k的能量的价格(RMB/J)；表示边缘服务器j的能量的价格(RMB/J)；r
C
表示在云计算数据中心执行每比特任务所需要的花费(RMB/bit)；K表示该云边混合系统中移动设备的个数；J表示该云边混合系统中边缘服务器的个数；I
k
表示移动设备k所需要执行的任务的总比特数；α
k
表示移动设备k在进行任务分配时，分配到自身执行的任务的比率；β
k,j
表示移动设备k在进行任务分配时，分配到边缘服务器j上执行的任务的比率；γ
k,j
表示移动设备k在进行任务分配时，通过边缘服务器j分配到云计算数据中心上执行的任务的比率；z
k
表示移动设备、边缘服务器和云计算数据中心在执行每比特任务时所需要的CPU周期数；表示移动设备k的由芯片架构决定的常值系数；表示边缘服务器j的由芯片架构决定的常值系数；表示移动设备k的计算速度(CPU cycles/s)；表示边缘服务器j的计算速度(CPU cycles/s)。2.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该云边混合系统中执行来自移动设备k的所有任务所需要的时间不能超过对应的上限：的上限：的上限：的上限：
其中，表示规定的移动设备k执行其所有任务所允许的最大延迟时间；x
k,j
表示移动设备k与边缘服务器j的连接状态，当两者相连时x
k,j
＝1，否则x
k,j
＝0；表示移动设备k执行被分配到其自身的任务所需要的时间；表示移动设备k分配到边缘服务器j的任务在边缘服务器j中被执行所需要的时间；表示移动设备k通过边缘服务器j分配到云计算数据中心的任务在云计算数据中心中被执行所需要的时间；表示移动设备k与边缘服务器j传输数据所需要的时间；表示数据从云计算数据中心到移动设备k的回程传输时间；表示移动设备k完成与其相关的任务所需要的总时间，即边缘服务器j开始执行其相关任务的时间节点；表示移动设备k完成与其相关的任务后，将输出传输给边缘服务器j，然后边缘服务器j完成与其相关的任务所需要的总时间，即云计算数据中心开始执行其相关任务的时间节点；表示云计算数据中心执行其相关任务的总时间；M
j
表示云计算数据中心到边缘服务器j的网络传输速率(bits/s)；R
k,j
为移动设备k与边缘服务器j连接时的数据传输速率；W表示每个边缘服务器的接入信道带宽；N0表示高斯白噪声的功率；表示移动设备k的数据传输功率；d
k,j
表示移动设备k与边缘服务器j之间的距离；v表示路径损耗指数；h1表示一个循环对称复高斯随机变量。3.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该云边混合系统中系统总成本最小化问题属于混合整数非线性规划问题，包含下述约束(1)和(2)：(1)对于每个移动设备k而言，在其上执行任务所需要的能量不能超过其对应的上限，即：
其中，表示移动设备k中的最大可用能量。(2)对于每个边缘服务器j而言，在其上执行任务所需要的能量不能超过其对应的上限，即：其中，表示边缘服务器j中的最大可用能量。4.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该云边混合系统中系统总成本最小化问题包含下述约束(1)～(3)：(1)每个边缘服务器执行任务所需要的CPU周期数不能超过其对应的上限，即：其中，表示边缘服务器j中的最大CPU周期数。(2)每个边缘服务器执行任务所需要的内存不能超过其对应的上限，即：其中，w
k
表示在移动设备k中任务的每个比特所需要占用的内存；表示边缘服务器j中的最大内存。(3)对每个移动设备k而言，其在执行相关任务时的工作速度(每秒内的CPU周期数)不能超过对应的上限，即：其中，表示移动设备k的最大工作速度。5.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该云边混合系统中系统总成本最小化问题包含下述约束(1)～(6)：(1)对于每个移动设备k而言，其任务被分别分配到智能移动设备k本身、边缘服务器和云计算数据中心中的比例之和为1，即：其中，K为移动设备的集合。(2)对于每个移动设备k而言，其最多连接一个边缘服务器，即：(3)对于每个边缘服务器j而言，其能连接的移动设备的个数不能大于其允许的最大连接数，即：其中，S
j
表示边缘服务器j能连接的移动设备的最大个数；J表示边缘服务器的集合。(4)对于每个移动设备k而言，若其未与边缘服务器j相连，那么其分配给边缘服务器j
的任务应为0，即：β
k,j
,γ
k,j
≤x
k,j
,k∈K,j∈J。(5)对于每个移动设备k而言，其分配至自身、边缘服务器j和云计算数据中心的任务占比不超过1，即：0≤α
k
,β
k,j
,γ
k,j
≤1,k∈K,j∈J。(6)对于每个移动设备k而言，如果边缘服务器j不在其可连接范围内，则其不可与边缘服务器j连接，即：其中，π
k
表示移动设备k可连接的边缘服务器的集合。6.根据所述的云边混合系统中面向复杂任务的低成本用户关联和计算迁移方法，其特征在于，该方法使用栈式降噪自编码模型进行特征学习。具体为：使用多个降噪自编码模型进行堆叠构成一个深度网络，从而抽取原始输入解的深层次特征；以逐层训练的方式独立训练每个降噪自编码模型，其中第i个降噪自编码模型的输出h
(i)...

【专利技术属性】
技术研发人员：苑海涛，胡庆隆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：