一种移动AdHoc云中基于能量收集的分布式卸载方法技术

本发明专利技术属于移动通信技术领域，特别涉及一种移动Ad Hoc云中基于能量收集的分布式卸载方法，包括考虑一组带有EH功能的附近终端设备构成的移动Ad Hoc云网络，分别建立计算任务模型、任务卸载模型和能量收集模型；将客户终端作为买方，根据自身的计算任务需求向代理终端购买资源，建立买方的收益最大化问题；将代理终端作为卖方，通过动态资源报价为客户终端提供不同的计算和存储资源，建立卖方的收益最大化问题；利用拉格朗日乘子法和KKT条件计算出买方向所选择的代理终端卸载的最优任务卸载策略以及卖方的最优报价策略；本发明专利技术可以有效提升系统收益，稳定电池能量和减少任务队列积压。压。压。

【技术实现步骤摘要】
一种移动Ad Hoc云中基于能量收集的分布式卸载方法


[0001]本专利技术属于移动通信
，特别涉及一种移动Ad Hoc云中基于能量收集的分布式卸载方法。

技术介绍

[0002]在快速发展的物联网技术驱动下，终端设备的数量和数据流量呈爆炸式增长，计算密集型和时延敏感型应用(如自动驾驶、虚拟/增强现实、在线游戏等)不断兴起，这对网络的实时算力资源提出了更高的要求。另一方面传统终端设备的能量、带宽和计算资源有限，难以满足以大数据和智能化为特征的新兴应用的实时计算需求及持久的续航能力。移动云计算(Mobile Cloud Computing,MCC)和移动边缘计算(Mobile Edge Computing,MEC)通过将计算任务卸载到云端处理的方式缓解了终端设备计算资源受限的问题，但边缘算力不足以及分布不均衡的问题依然无法有效解决。在一些网络场景中(如Ad Hoc网络，无人机网络，车辆云网络等)没有可用云服务器或本地微云，或因网络拥塞造成计算任务不能被及时处理，难以有效地满足用户的业务体验。
[0003]移动Ad Hoc云计算利用一组邻近终端设备(如智能手机、便携式电脑、AI监控设备、车载智能终端等)的空闲或过剩资源来协同处理网络任务。受体积和硬件成本的限制，传统终端设备的电池容量难以满足其长期续航的需求，尤其当设备分布在偏远或有毒有害环境中时，难以通过可充电电池或传统电网进行供电。能量收集(Energy Harvesting,EH)技术支持设备从环境中获取可再生能源(如太阳能、风能、机械能等)支撑其通信和任务处理，已成为实现绿色移动通信的重要技术。因此，移动Ad Hoc云计算与EH技术融合对提高网络计算性能具有重要意义。
[0004]近年来，MEC和EH技术相结合的绿色通信也受到了广泛的关注，这对EH技术和Ad Hoc移动云的融合带来了极大启发。一些主要的成果有：(1)在能量收集小蜂窝网络中基于不完全状态信息的动态计算卸载：部分可观察的随机博弈(参考文献：TANG Q,XIE R,HUANG T,et al.Dynamic Computation Offloading With Imperfect State Information in Energy Harvesting Small Cell Networks:A Partially Observable Stochastic Game[J].IEEE Wireless Communication Letters,2020,9(8):1300
‑
1304.DOI:10.1109/LWC.2020.2989147.)：该算法针对带有EH小基站的MEC异构环境，考虑平均时延和平均能量需求，提出一种基于分布式可预测随机博弈的动态卸载算法，基站利用不完全状态信息做出最优卸载决策。(2)具有能量收集功能的物联网雾计算系统中的分布式计算卸载：DEC
‑
POMDP方法(参考文献：TANG Q,XIE R,YU F A,et al.Decentralized computation offloading in IoT fog computing system with energy harvesting:A DEC
‑
POMDP approach[J].IEEE Internet of Things Journal,2020,7(6):4898
‑
4911.DOI:10.1109/JIOT.2020.2971323.)：该算法针对能量收集物联网雾系统中的可预测分布式卸载问题提出一种基于学习的分布式卸载算法，满足时延约束下使物联网设备根据预测的系统状态做出近似最优的决策。(3)移动边缘计算中基于能量收集的任务卸载能耗与时延折中算法(参
考文献：ZHANG G,ZHANG W,CAO Y,et al.Energy
‑
Delay Tradeoff for Dynamic Offloading in Mobile
‑
Edge Computing System with Energy Harvesting Devices[J].IEEE Transactions on Industrial Informatics,2018,14(10):4642
‑
4655.DOI:10.1109/TII.2018.2843365.)：该算法研究具有能量收集能力的MEC系统在队列积压和电池电量约束下的任务卸载问题，通过基于Lyapunov的动态卸载算法最小化移动设备的能量消耗和执行时延的平均加权和。
[0005]带有EH功能的不同终端设备具有不同的数据特征和应用需求，这对任务的卸载效率提出了严峻挑战，现有的任务卸载方案大多只考虑移动终端带有EH功能，未考虑基站或MEC服务器带有EH功能的场景。因此，如何以分布式的方式开发具有能量收集水平的任务卸载策略具有重要研究价值。

技术实现思路

[0006]有鉴于此，为了实现系统收益最大化及队列积压的稳定本专利技术提出一种移动Ad Hoc云中基于能量收集的分布式卸载方法，具体包括以下步骤：
[0007]考虑一组带有EH功能的附近终端设备构成的移动Ad Hoc云网络，分别建立计算任务模型、任务卸载模型和能量收集模型；
[0008]将客户终端作为买方，根据自身的计算任务需求向代理终端购买资源，采用李雅普诺夫优化理论，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题；
[0009]将代理终端作为卖方，通过动态资源报价为客户终端提供不同的计算和存储资源，基于计算任务模型、任务卸载模型和能量收集模型建立卖方的收益最大化问题；
[0010]根据客户终端的任务积压、电池能量水平以及代理终端的报价，在各个时隙内，利用拉格朗日乘子法和KKT条件计算出买方向所选择的代理终端卸载的最优任务卸载策略以及卖方的最优报价策略；
[0011]若买方的最优任务卸载策略和卖方的最优报价策略满足斯坦克尔伯格均衡解，则客户终端按照最优任务卸载策略向代理终端进行任务卸载。
[0012]进一步的，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题表示为：
[0013][0014]约束条件：
[0015][0016][0017][0018][0019][0020]其中，表示买方在第t时隙的收益最大化问题；V
i
表示第i个客户终端的控制参数；表示第i个客户终端在时隙t的总收益；表示卸载收益与任务队列相关；为第i个客户终端C
i
在时隙t内的任务到达量，表示第i个客户终端C
i
在时隙t内处理的总任务量；为第i个客户终端带有的EH设备的虚拟能量队列，表示为θ
i
为EH设备的扰动参数，为第i个客户终端带有的EH设备的在时隙t开始时的能量队列积压；E
min
表示电池最小放电能量；表示第i个客户终端在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，包括以下步骤：考虑一组带有EH功能的附近终端设备构成的移动Ad Hoc云网络，分别建立计算任务模型、任务卸载模型和能量收集模型；将客户终端作为买方，根据自身的计算任务需求向代理终端购买资源，采用李雅普诺夫优化理论，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题；将代理终端作为卖方，通过动态资源报价为客户终端提供不同的计算和存储资源，基于计算任务模型、任务卸载模型和能量收集模型建立卖方的收益最大化问题；根据客户终端的任务积压、电池能量水平以及代理终端的报价，在各个时隙内，利用拉格朗日乘子法和KKT条件计算出买方向所选择的代理终端卸载的最优任务卸载策略以及卖方的最优报价策略；若买方的最优任务卸载策略和卖方的最优报价策略满足斯坦克尔伯格均衡解，则客户终端按照最优任务卸载策略向代理终端进行任务卸载。2.根据权利要求1所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题表示为：约束条件：约束条件：约束条件：约束条件：约束条件：约束条件：其中，表示买方在第t时隙的收益最大化问题；V
i
表示第i个客户终端的控制参数；表示第i个客户终端在时隙t的总收益；表示卸载收益与任务队列相关；为第i个客户终端C
i
在时隙t内的任务到达量，表示第i个客户终端C
i
在时隙t内处理的总任务量；为第i个客户终端带有的EH设备的虚拟能量队列，表示为θ
i
为EH设备的扰动参数，为第i个客户终端带有的EH设备的在时隙t开始时的能量队列积压；E
min
表示电池最小放电能量；表示第i个客户终端在时隙t内产生的总能耗；E
max
表示电池最大放电能量；表示第t时隙内第j个代理终端A
j
协助第i个客户终端计算任务时产生的计算能耗；表示第i个客户终端带有的EH设备在时隙t开始时的能量队列积压；表示第t时隙第i个客户终端卸载到第j个代理终端的任务量；Q
it
表示第i个客户终端在第t时隙的任务队列
积压；表示第i个客户终端在第t时隙的平均任务队列积压；T表示系统运行时间；表示求期望。3.根据权利要求2所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，将基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题分解为求解能量收集的最优解和任务卸载优化问题，其中求解能量收集的最优解表示为：min:当时，当时，将能量收集优化问题解耦合之后，任务卸载优化问题表示为：约束条件：约束条件：约束条件：约束条件：其中，表示能量收集的最优解；γ
max
表示EH设备在第t时隙收集的能量最大值。4.根据权利要求3所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，当计算任务在本地处理且时，利用拉格朗日乘子法和KKT条件求解第t时隙的最优本地计算频率为：其中，κ
i
为第i个客户终端芯片的有效能量成本系数；L
i
表示第i个客户终端的单位处理能力；τ为单位时隙长度；ξ
i
为任务卸载效益权重参数。5.根据权利要求3所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，当计算任务在本地处理且时，最优本地计算频率为：其中，表示当计算任务在本地处理且时最优本地计算频率；表示第i个客户的最大CPU处理频率；表示第i个客户的电池最大放电能量；表示第i个客户终端...

【专利技术属性】
技术研发人员：鲜永菊，郭陈榕，夏士超，李云，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：