一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法组成比例

本发明专利技术涉及一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法，方法包括步骤：S1、获取系统模型的网络配置信息；S2、生成任务集，获取任务集的计算、传输时延和服务器执行成本；S3、随机初始化生成所述任务集的初始粒子群；S4、根据所述计算时延、所述传输时延和所述服务器执行成本的总开销构建适应度评价函数；S5、使用多目标引力搜索算法，引入收敛因子更新粒子速度和位置；S6、使用交叉变异方法替换粒子的位置信息；S7、循环迭代步骤S5

A task allocation method considering task delay and server cost in mobile edge computing networks

【技术实现步骤摘要】
一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法


[0001]本专利技术属于通信
，具体涉及一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法。

技术介绍

[0002]物联网的出现导致越来越多的移动用户设备得到广泛应用，然而，移动设备有限的电池寿命和这些应用程序的低延迟要求增加了对新的网络模型的需求。移动边缘计算将计算和存储资源部署在移动网络的边缘，为移动网络提供服务环境和云计算能力，从而为用户提供超低延迟、高宽带的网络服务。
[0003]计算卸载作为的关键技术之一，是指终端设备将其部分或全部计算任务移交给云计算环境，以解决移动设备在资源存储、计算性能和能源效率方面的不足。但由于移动边缘计算服务器通常计算资源有限，无法同时满足所有用户的计算需求。因此，在云服务器和边缘服务器协同计算卸载场景下，制定卸载决策方案成为当下一个热点问题。

技术实现思路

[0004]基于现有技术中存在的上述缺点和不足，本专利技术的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本专利技术的目的之一是提供满足前述需求之一或多个的一种移动边缘计算网络的任务卸载和资源分配方法。
[0005]为了达到上述专利技术目的，本专利技术采用以下技术方案：
[0006]一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法，方法包括步骤：
[0007]S1、获取系统模型的网络配置信息，系统模型由若干个基站组、一个移动云服务器及属于某一基站组的用户本地服务器组成，每个基站组包括一个基站、若干用户本地服务器和一个边缘计算服务器；
[0008]S2、生成包含优先级约束关系的任务集，根据网络配置信息获取任务集在边缘计算服务器、移动云服务器进行计算的计算时延和服务器执行成本，并获取任务集中各任务在边缘计算服务器、移动云服务器之间传输的传输时延；
[0009]S3、随机初始化生成任务集的初始粒子群，将任务集中的任务分别分配至用户本地服务器、边缘计算服务器或移动云服务器，每个任务为一个粒子，并对各任务根据其分配的服务器进行粒子位置编码；
[0010]S4、根据计算时延、传输时延和服务器执行成本的总开销构建适应度评价函数，根据初始粒子群及粒子位置编码计算各粒子的适应度函数值；
[0011]S5、使用多目标引力搜索算法，在计算多目标引力搜索算法的合力时引入收敛因子，更新粒子速度和位置；
[0012]S6、使用交叉变异方法设定一个交叉概率，粒子每次更新位置时生成一个随机数，
如果该粒子生成的随机数小于交叉概率，则将该粒子的原始位置信息替换为当前粒子群中的某一粒子位置信息。并比较替换前后该粒子重力的变化，若重力变大则替换保留替换后的位置信息；
[0013]S7、设定循环次数，以循环次数迭代步骤S5
‑
S6，得到总开销最小的任务分配策略。
[0014]作为优选方案，任务集中各任务在边缘计算服务器、移动云服务器进行计算的计算时延，由各任务的算量和边缘计算服务器、移动云服务器每秒钟能提供的CPU周期数相除计算得到。
[0015]作为优选方案，任务集中具有前后继关系的两个任务如果在同一服务器上，则传输时延为0。
[0016]作为优选方案，步骤S2中，任务集在用户本地服务器、边缘计算服务器、移动云服务器进行计算的能耗时结合服务器的硬件架构确定服务器的能耗。
[0017]作为优选方案，步骤S3中任务在服务器处理的平均计算时延是根据任务的上传时延、任务在服务器的计算时延和任务计算完成后的下载时延相加得到。
[0018]作为优选方案，服务器执行成本根据任务在服务器的计算时延、服务器的计费周期、服务器的计算能力、最小服务器计算能力和服务器的基本价格计算得到。
[0019]本专利技术与现有技术相比，有益效果是：
[0020]本专利技术的方法针对移动边缘计算系统中的任务卸载，提出了一种移动边缘计算任务计算卸载模型，提出多目标引力搜索算法方法，通过移动边缘计算服务器和移动云服务器协调计算使不同的边缘服务器可以通过其所在基站形成的资源池进行通信，优化了引力搜索方法，实现了用户任务执行延迟和服务器计算成本的最小化。
附图说明
[0021]图1是本专利技术实施例一种移动边缘计算网络考虑任务优先级的计算卸载方法的流程图；
[0022]图2是本专利技术实施例的系统模型的结构示意图；
[0023]图3是本专利技术实施例的任务模型图的示意图。
具体实施方式
[0024]为了更清楚地说明本专利技术实施例，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
[0025]实施例：本实施例提供一种移动边缘计算网络考虑任务优先级的计算卸载方法，其流程图如图1所示：首先进行步骤S1、获取系统模型的网络配置信息。系统模型的结构如图2所示，由若干个基站组、一个移动云服务器及属于某一基站组的用户本地服务器组成，每个基站组包括一个基站、若干用户本地服务器和一个边缘计算服务器；一个服务器只能同时处理一个任务，当用户端任务集过多时，用户所属基站组可以与系统模型中的其他基站组通信，进行协同计算，调度方案由移动云服务器集中式决策。
[0026]系统模型的网络配置信息由各个服务器的信息组成，P＝{p
i
|1≤i≤M}为系统模
型中服务器集合，其中p1为用户本地服务器，p2用户所在基站组的边缘计算服务器，p
M
为移动云服务器，其余为与用户所属基站组在同一系统模型下的其他移动云服务器。在考虑将所有任务都分配给移动云服务器和边缘计算服务器时，使用f
E
，f
C
分别表示边缘计算服务器，移动云服务器的计算能力，即每秒钟所能提供的CPU周期数。网络配置信息还包括用户本地服务器的固定发射功率、用户本地服务器与基站之间的信道增益、信道带宽等传输参数。
[0027]获取网络配置信息之后，进行步骤S2、生成包含优先级约束关系的任务集，根据网络配置信息获取任务集在用户本地服务器、边缘计算服务器、移动云服务器进行计算的计算时延和服务器执行成本，并获取任务集中各任务在用户本地服务器、边缘计算服务器、移动云服务器之间传输的传输时延；
[0028]具体而言，任务集之间的优先级约束关系使用如图3任务模型图的有向无环图模型表示，图3中左侧为单用户的任务模型，右侧为多用户的任务模型。任务模型命名为G＝<V,E>。其中V为任务集合，V＝{v
i
|1≤i≤N}。E为任务之间有向边集合，表示任务之间的优先约束关系，e
ij
∈E表示在任务v
i
执行完后才可以执行任务v
j
。每个任务v
i
＝{d
i
,g本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动边缘计算网络中考虑任务延时和服务器成本的任务分配方法，其特征在于，所述方法包括步骤：S1、获取系统模型的网络配置信息，所述系统模型由若干个基站组、一个移动云服务器及属于某一所述基站组的用户本地服务器组成，每个所述基站组包括一个基站、若干用户本地服务器和一个边缘计算服务器；S2、生成包含优先级约束关系的任务集，根据所述网络配置信息获取任务集在所述边缘计算服务器、所述移动云服务器进行计算的计算时延和服务器执行成本，并获取所述任务集中各任务在所述边缘计算服务器、所述移动云服务器之间传输的传输时延；S3、随机初始化生成所述任务集的初始粒子群，将所述任务集中的任务分别分配至所述用户本地服务器、所述边缘计算服务器或所述移动云服务器，每个所述任务为一个粒子，并对所述各任务根据其分配的服务器进行粒子位置编码；S4、根据所述计算时延、所述传输时延和所述服务器执行成本的总开销构建适应度评价函数，根据所述初始粒子群及所述粒子位置编码计算所述各粒子的适应度函数值；S5、使用多目标引力搜索算法，在计算所述多目标引力搜索算法的合力时引入收敛因子，更新粒子速度和位置；S6、使用交叉变异方法设定一个交叉概率，粒子每次更新位置时生成一个随机数，如果该粒子生成的随机数小于所述交叉概率，则将该粒子的原始位置信息替换为当前粒子群中的某一粒子位置信息。并比较替换前后该粒子重力的变化，若重力变大则替换保留替换后的位置信息；S7、设定循环次...

【专利技术属性】
技术研发人员：冯维，黄子宸，刘天泽，高明宇，胡志浩，徐玲，陈杰，夏晓威，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：