一种边缘计算系统能量与任务调度的优化方法技术方案

本发明专利技术涉及物联网领域，且公开了一种边缘计算系统能量与任务调度的优化方法，包括以下步骤：第一步：基于新的能量与任务调度协议，以使MEC系统可根据信道条件、IRS电池的能量状态和用户任务队列状态，自适应地在能量收集模式、IRS辅助任务卸载模式和IRS待机任务卸载模式进行切换；第二步：基于所开发的协议，对系统优化问题进行建模，在最小化用户长期的任务卸载和计算能耗；第三步：利用李雅普诺夫优化方法，把其分解为基于时隙的确定性优化问题，并通过凸优化理论对相应的确定性优化问题进行求解。求解。求解。

【技术实现步骤摘要】
一种边缘计算系统能量与任务调度的优化方法


[0001]本专利技术涉及物联网领域，具体为一种边缘计算系统能量与任务调度的优化方法。

技术介绍

[0002]随着物联网的快速普及，越来越多的IoT智能传感器节点需执行对时延敏感的计算密集型任务。然而，由于计算资源有限，因此要在这些节点上本地完成这些计算任务，往往不切实际或需付出昂贵的代价。作为IoT的新兴技术之一，移动边缘计算可以使IoT节点把其计算任务卸载到具有足够计算资源的服务器上执行，有望成为解决上述问题的有效方案。在IoT上部署MEC，不仅可减少任务执行时延，还可为IoT节点节省能耗。因此，如何设计良好性能的MEC系统近年来引起了学者们的极大兴趣。
[0003]智能反射面是近年提出的一种可实现高频谱效率无线通信系统的经济高效技术。在部署IRS的无线通信系统中，在IRS上调整无源元件反射信号的相移，可提高无线接收机的接收信号功率。在MEC系统中，通过结合IRS技术，可以使任务卸载更高效，从而获得更好的系统性能。因此，如何设计IRS辅助的MEC系统，成为了近年来引起学者们浓厚研究兴趣的课题。
[0004]文献1[T.Bai,C.Pan,Y.Deng,M.Elkashlan,A.Nallanathan and L.Hanzo,"Latency Minimization for Intelligent Reflecting Surface Aided Mobile Edge Computing,"IEEE Journal on Selected Areas in Communications,vol.38,no.11,pp.2666
‑
2682,Nov.2020]研究了在MEC系统中部署IRS的好处，其中多个设备通过IRS将任务卸载到边缘计算节点，目标是在边缘计算能力约束和IRS相移约束下最小化延迟。
[0005]在大部分已有研究中，均假设IRS由电池或电网供电，从而可通过控制器调整无源元件的相移。然而，更换电池或对电池充电的代价通常昂贵而且不方便，在环境恶劣或特殊的应用场景甚至无法实现，因此使用电池供电的IRS工作寿命容易受到电池容量的限制。如果采用固定电源供电，IRS只能被部署在可接入固定电网的位置，将会导致IRS在许多没有电网接入的场合下无法使用。无线射频能量采集是一种可以使配备射频能量收集电路的无线节点能够从RF信号中采集能量来延长其工作寿命的新技术，因此结合射频能量收集技术的无线供能IRS辅助无线通信系统在最近受到了学者们的广泛关注。
[0006]文献2[S.Xu,Y.Du,J.Liu and J.Li,“Intelligent reflecting surface based backscatter communication for data offloading,”IEEE Trans.Commun.,to be published,doi:10.1109/TCOMM.2022.3170629.]研假设IRS连接至用户终端，并帮助用户终端将任务数据卸载到多个MEC服务器以进行协作计算，IRS工作和用户本地计算所消耗的能量均从电源信标发出的RF信号中获取。
[0007]文献3[S.Mao,N.Zhang,L.Liu,J.Wu,M.Dong,K.Ota,T.Lui,and D.Wu,“Computation rate maximization for intelligent reflecting surface enhanced wireless powered mobile edge computing networks,”IEEE Trans.V eh.Technol.,vol.70,no.10,pp.10820
‑
10831,Oct.2021.]假设IRS和所有用户终端均由从基站发射的RF
信号中收集的能量供电，IRS使用收集的能量协助用户终端将任务数据卸载到基站。
[0008]现有技术问题：在已有研究中，如文献[2
‑
3]，为简化分析，均假设一个时隙开始时用户端产生的计算任务必须在当前时隙完成，而且能量调度采用了大部分无线供能系统采用的收集
‑
使用策略，即IRS在一个时隙收集到的能量必须在当前时隙全部使用完。然而，HTU方法无法在一个有限的时间范围内增加收获的能量数量且无法在IRS端有效利用收获的能量。
[0009]基于上述分析，需研究与文献[2
‑
3]不同的设计方案，以增加IRS收集的能量，并高效地利用收集的能量，从而提高系统性能。为此，首先提出一种新的能量与任务调度协议，以使MEC系统可根据信道条件、IRS电池的能量状态和用户任务队列状态，自适应地在三种模式(即能量收集模式、IRS辅助任务卸载模式和IRS待机任务卸载模式)进行切换。在能量收集模式下，IRS可累积收集的能量，这些能量将在后续时隙中使用；在IRS辅助任务卸载模式下，用户端在IRS辅助下卸载任务数据至HAP；在IRS待机任务卸载模式下，IRS处于待机状态(即不再使用能量)，用户端仅通过直达链路卸载任务数据至HAP。
[0010]由于无线信道和任务到达的随机性，而且各个时隙的系统工作模式和资源分配决策相互关联，因此建立的问题是一个多阶段序列决策的随机优化问题，很难直接求解，为此我们提出了一种边缘计算系统能量与任务调度的优化方法。

技术实现思路

[0011](一)解决的技术问题
[0012]针对现有技术的不足，本专利技术提供了一种边缘计算系统能量与任务调度的优化方法，解决了上述的问题。
[0013](二)技术方案
[0014]为实现上述所述目的，本专利技术提供如下技术方案：一种边缘计算系统能量与任务调度的优化方法，包括以下步骤：
[0015]第一步：基于新的能量与任务调度协议，以使MEC系统可根据信道条件、IRS电池的能量状态和用户任务队列状态，自适应地在能量收集模式、IRS辅助任务卸载模式和IRS待机任务卸载模式进行切换；
[0016]第二步：基于所开发的协议，对系统优化问题进行建模，在最小化用户长期的任务卸载和计算能耗；
[0017]第三步：利用李雅普诺夫优化方法，把其分解为基于时隙的确定性优化问题，并通过凸优化理论对相应的确定性优化问题进行求解。
[0018]优选的，所述第一步中的具体步骤如下：
[0019]S1：建立信道模型；
[0020]以MEC系统中的信道为准静态信道；
[0021]用户端可以通过UA链路和URA链路把计算任务数据卸载到HAP；
[0022]UA链路，时隙k中的信道系数表示为h
UA
(k)，并将其建模为瑞利衰落，即其中ρ0是参考距离d0＝1m处的路径损耗，α
UA
是UA信道链路的相应路径损耗指数，d
UA
是用户端与HAP之间的距离，是零均值和单位方差的复高斯随机散射
分量；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘计算系统能量与任务调度的优化方法，其特征在于，包括以下步骤：第一步：基于新的能量与任务调度协议，以使MEC系统可根据信道条件、IRS电池的能量状态和用户任务队列状态，自适应地在能量收集模式、IRS辅助任务卸载模式和IRS待机任务卸载模式进行切换；第二步：基于所开发的协议，对系统优化问题进行建模，在最小化用户长期的任务卸载和计算能耗；第三步：利用李雅普诺夫优化方法，把其分解为基于时隙的确定性优化问题，并通过凸优化理论对相应的确定性优化问题进行求解。2.根据权利要求1所述的一种边缘计算系统能量与任务调度的优化方法，其特征在于：所述第一步中的具体步骤如下：S1：建立信道模型；以MEC系统中的信道为准静态信道；用户端可以通过UA链路和URA链路把计算任务数据卸载到HAP；UA链路，时隙k中的信道系数表示为h
UA
(k)，并将其建模为瑞利衰落，即其中ρ0是参考距离d0＝1m处的路径损耗，α
UA
是UA信道链路的相应路径损耗指数，d
UA
是用户端与HAP之间的距离，是零均值和单位方差的复高斯随机散射分量；URA链路，包括用户端至IRS(UR，user
‑
to
‑
IRS)和和IRS至HAP(RA，IRS
‑
to
‑
HAP)两个信道链路，时隙k中信道系数向量统一表示为路，时隙k中信道系数向量统一表示为其中，ab∈{UR,RA}，α
ab
是从节点a到节点b的信道路径损耗指数，d
ab
是节点a和节点b之间的距离，ζ
ab
是与小尺度衰落相关的莱斯因子，是与小尺度衰落相关的莱斯因子，是ULA阵列响应向量，为I行J列的复数矩阵，在中，φ
ab
(k)表示为相应信号的到达角度或离开角度，(
·
)
T
表示为转置操作，是莱斯衰落信道中的非直射分量，其每个元素均为零均值和单位方差的随机散射分量；设表示IRS在时隙k中的反射向量，其中θ
n
(k)是第n个反射单元的相移，对于每个反射单元的反射振幅系数，均设置为可达的最大值，以使信号反射功率最大，由此，IRS的反射系数应满足以下约束：S2：无线供电IRS辅助任务卸载协议；新协议下的MEC系统可按能量收集模式、IRS辅助任务卸载模式和IRS待机任务卸载模式运行，其中t
e
(k)和t
o
(k)分别是一个时隙k中用于IRS收集能量的时长和用户端卸载计算任务数据至HAP的时长，T为一个时隙的长度，在三种模式中，用户都将在整个时隙的持续时间内本地执行部分计算任务，而用户的计算任务卸载和IRS的能量收集不能同时进行；在时隙k，以下等式成立：φ
I
(k)t
e
(k)+φ
II
(k)(t
e
(k)+t
o
(k))+φ
III
(k)t
o
(k)＝T。3.根据权利要求2所述的一种边缘计算系统能量与任务调度的优化方法，其特征在于：
所述能量收集模式中，一个时隙中的所有时间都用于IRS的能量收集，在此情况下，HAP向IRS发射RF能量信号，IRS从这些RF能量信号中收集能量，在此模式下，用户端不卸载计算任务数据至HAP，仅依靠自身在本地执行计算任务；在IRS辅助任务卸载模式中，将一个时隙分为两个阶段，在第一阶段，IRS进行能量收集；在第二阶段，用户端在IRS的辅助下，向HAP卸载计算任务数据，作为其中一个特例，在此模式下，当IRS初始能量足够时，第一阶段可以不存在，此时IRS在整个时隙都将辅助用户端卸载计算任务数据至HAP，即有t
e
＝0和t
o
＝T；在IRS待机任务卸载模式中，用户仅通过UA链路将计算任务数据卸载至HAP，IRS处于电源关闭的待机状态，此模式在以下两种情形会被选择：其一，IRS电池能量不足时，IRS无法参与辅助任务卸载，其二，当前时隙的UA链路信道质量很好时，用户可直接通过UA链路卸载计算任务至HAP。4.根据权利要求1所述的一种边缘计算系统能量与任务调度的优化方法，其特征在于：所述第二步的具体步骤如下：S1：用户的能耗模型...

【专利技术属性】
技术研发人员：黄高飞，黄栩蔚，赵赛，郑晖，唐冬，
申请(专利权)人：广州大学，
类型：发明
国别省市：