一种基于用户公平性最大化的任务卸载与资源分配方法组成比例

本发明专利技术公开了一种基于用户公平性最大化的任务卸载与资源分配方法，边缘计算服务平台收集其对应地区的任务信息，以基于最大化用户公平性为边缘计算服务平台的目标函数，将所述任务集合中的任务卸载到边缘计算服务器进行计算，并对应分配任务所需的计算资源。具体来说，在每个时隙初边缘服务平台会收集该时隙的任务信息，首先为每个任务选择其计算的边缘计算服务器，并在任务卸载方案的基础上采用公平性最大化的资源分配方法确定每个任务在其对应服务器上获得的资源数量，以最小化该时隙内所有任务的最大服务体验欠缺系数。本发明专利技术方法能够在预算约束的条件下，让用户有更好的服务体验。体验。

【技术实现步骤摘要】
一种基于用户公平性最大化的任务卸载与资源分配方法


[0001]本专利技术涉及边缘计算的
，尤其是指一种基于用户公平性最大化的 任务卸载与资源分配方法。

技术介绍

[0002]边缘计算中的任务卸载是让资源受限的移动设备将全部或部分计算密集型 任务全部或部分卸载到资源充足的云服务器中的一种技术，主要起到了节省能 源，电池寿命的作用或由于终端设备无法繁重处理的应用程序。
[0003]现有的研究中，大多是针对用户设备
‑
边缘计算服务器
‑
云服务器三层架构 的任务卸载优化进行探讨，云服务器虽然拥有海量计算资源，但所处地理位置 遥远，卸载过程中的会造成用户无法接受的传输时延。且在现有工作中，研究 人员设计的边缘计算中的任务卸载和资源分配方案主要考虑优化时延、能量、 资源利用率等，而忽略了用户公平性的重要性。因此，需要提出一种不依赖云 端服务器，而是通过合理利用地理距离相对较近的边缘服务器群中的资源，同 时考虑用户公平性的任务卸载和资源分配方案来解决这个问题。

技术实现思路

>[0004]本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户公平性最大化的任务卸载与资源分配方法，考虑一个包含m个边缘计算服务器的地区，M
m
为第m个边缘计算服务器，在地区内其中分布着n个任务T
n
为第n个任务，每个任务需要被卸载到边缘计算服务器，并使用边缘计算服务器提供的计算资源进行计算；T
i
为第i个任务，任务T
i
的服务体验欠缺系数G
i
定义为实际时延d
i
与最大允许时延D
i
的比值，即G
i
＝d
i
/D
i
，其中任务T
i
的实际时延d
i
为任务的传输、传播时延与在边缘计算服务器上的计算时延之和，任务集合中的最大服务体验欠缺系数为其特征在于，该方法是以最小化任务集合中的最大服务体验欠缺系数为目标，为每个任务确定卸载地点以及所分配的计算资源数量，边缘计算服务平台的目标函数设计如下：式中，Γ为任务的卸载方案，为任务的资源分配方案，F
comp
为边缘计算服务器M
comp
的计算资源总数量，f
comp,i
为M
comp
分配给任务T
i
的计算资源数量，S
i
为任务T
i
所需的服务类型，为M
comp
提供的服务类型集合；限制条件分别为：M
comp
分配给任务的计算资源之和不超过M
comp
的计算资源总数量、任务T
i
的实际时延d
i
不超过T
i
的最大允许时延D
i
、以及任务的卸载地点需要选择配置了其所需服务类型的边缘计算服务器；所述边缘计算服务平台是所有边缘计算服务器的总称，就是所有边缘计算服务器组成了边缘计算服务平台。2.根据权利要求1所述的一种基于用户公平性最大化的任务卸载与资源分配方法，其特征在于，包括以下步骤：1)初始化一个拥有NP个食物源的种群，其中每个食物源对应一个任务卸载方案以及对应的资源分配方案；接着使用一种保证用户公平性的资源分配方法，称作FGRA，该资源分配方法为每个任务卸载方案计算出对应的资源分配方案以及其对应的最大服务体验欠缺系数2)使用结合了蜂群算法、遗传算法与粒子群算法思想的演化算法，称为AGPA，对种群中的食物源进行Cycle轮的优化，每一轮的优化中包含雇佣蜂搜寻阶段、观察蜂搜索阶段以及侦查蜂搜索阶段；在雇佣蜂搜寻阶段，每一个食物源对应的卸载方案向随机选择的另一个食物源对应的卸载方案以随机的概率进行学习后得到新的任务卸载方案，并使用FGRA得到对应的资源分配方案与最大服务体验欠缺系数贪心地保存下学习前后两者中较优的食物源并更新历史食物源；在观察蜂搜索阶段，每一个食物源对应的卸载方案向历史最优食物源对应的卸载方案以随机的概率进行学习，得到新的任务卸载方案，并使用FGRA得到对应的资源分配方案与最大服务体验欠缺系数贪心地保存下学习前后两者中较优的食物源并更新历史最优食物源；在侦查蜂搜索阶段，每一个食物源对应的卸载方
案向随机方向以随机的概率进行探索，得到新的任务卸载方案，并使用FGRA得到对应的资源分配方案与最大服务体验欠缺系数贪心地保存下学习前后两者中较优的食物源并更新历史最优食物源；经过Cycle轮的优化后，历史最优食物源对应的任务卸载与资源分配方案即是保证用户公平性最大化的任务卸载与资源分配方案。3.根据权利要求2所述的一种基于用户公平性最大化的任务卸载与资源分配方法，其特征在于，在步骤1)中，初始化种群中的一个食物源的具体做法是：为任务集合中的每个任务随机选择一个配置了任务所需服务类型的边缘计算服务器作为卸载地点，得到完整的卸载方案后，使用FGRA计算出对应的资源分配方案与最大服务体验欠缺系数4.根据权利要求2所述的一种基于用户公平性最大化的任务卸载与资源分配方法，其特征在于，在步骤1)中，使用一种保证用户公平性的资源分配方法，称作FGRA，该资源分配方法基于单个边缘计算服务器的最大服务体验欠缺系数最小化的机制，使用了二分搜索法，其具体包括以下步骤：1.1)初始化单个边缘计算服务器M
comp
的服务体验欠缺系数上限为服务体验欠缺系数下限根据分配到该边缘计算服务器M
comp
的任务集合的属性计算出；其中任务T
i
的服务体验欠缺系数g
i
的计算方式为：式中，d
i
为任务T

【专利技术属性】
技术研发人员：张幸林，周嘉韵，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：