任务卸载和资源分配联合优化方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种任务卸载和资源分配联合优化方法、装置、设备及介质，该方法根据多用户多服务器移动边缘计算网络的任务参数和资源参数生成满足约束条件的初始任务卸载矩阵和初始资源分配矩阵，并根据所述初始任务卸载矩阵和初始资源分配矩阵计算卸载效用函数初始值；根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；在满足迭代终止条件时根据更新后的所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值进行任务卸载和资源分配。实现对于多用户多服务器系统场景下的任务卸载和资源分配决策的优化，提高多用户卸载的性能。提高多用户卸载的性能。提高多用户卸载的性能。

【技术实现步骤摘要】
任务卸载和资源分配联合优化方法、装置、设备及介质


[0001]本专利技术涉及无线通信资源调度
，尤其涉及一种任务卸载和资源分配联合优化方法、装置、设备及介质。

技术介绍

[0002]随着物联网应用以及异构网络架构的不断发展进步，由此产生了许多新兴的计算密集型和能源密集型应用。这样就导致因计算能力不足或者电池功率限制而无法及时在移动端完成。同时这又极大的推动了靠近末端的用户在网络边缘端高度本地化服务的需求。
[0003]基于此，移动边缘计算(Mobile Edge Computing,MEC)的概念被提出，移动边缘计算可以辅助更好的研究延迟敏感和计算密集型应用程序。MEC与云计算相结合，直接可以在网络边缘端提供强大的云服务，并直接在蜂窝基站(Base Station,基站)上实现，即在基站上关联一个服务器，这样MEC允许在接近用户端的位置执行应用程序，很大程度上减少了端到端的延迟，并缓解了部分网络拥塞。
[0004]但是，考虑到MEC服务器与上行无线信道的设备会进行通信，任务卸载很大程度上会影响时间延迟和能耗的开销。并且在大量移动用户的系统中MEC服务器资源受限则加剧了对任务执行时延的影响。因此卸载决策与资源分配的研究已经成为了一个可以实现高效卸载的实质性问题。对此，5G MEC在其中发挥了重要作用，通过利用能耗和时间延迟的加权和来共同优化以及针对多用户系统考虑了卸载决策与资源分配的联合优化。这些方法虽然对系统总成本进行了优化，然而它们都只考虑了单边单服务器系统场景。而现阶段缺少对于多用户多MEC服务器系统场景下的任务卸载和资源分配优化方案。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种任务卸载和资源分配联合优化方法、装置、设备及存储介质，以解决现有技术缺少对于多用户多MEC服务器系统场景下的任务卸载和资源分配优化方案的技术问题。
[0006]本专利技术提出的技术方案如下：
[0007]本专利技术实施例第一方面提供一种任务卸载和资源分配联合优化方法，包括：根据多用户多服务器移动边缘计算网络的任务参数和资源参数生成满足约束条件的初始任务卸载矩阵和初始资源分配矩阵，并根据所述初始任务卸载矩阵和初始资源分配矩阵计算卸载效用函数初始值；根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；在满足迭代终止条件时根据更新后的所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值进行任务卸载和资源分配。
[0008]可选地，所述根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值，包括：获取模拟退火算法的初始化温度、温度降低系数和预设迭代次数；在所述初始化温度上对所述
初始任务卸载矩阵进行预设迭代次数的迭代，每次迭代时基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；根据温度降低系数降低初始化温度，并重新开始下一轮迭代。
[0009]可选地，所述在所述初始化温度上对所述初始任务卸载矩阵进行预设迭代次数的迭代，每次迭代时基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值，包括：获取所述初始任务卸载矩阵的邻域解，基于所述邻域解获取目标资源分配矩阵；根据所述邻域解和目标资源分配矩阵计算卸载效用函数更新值；根据所述卸载效用函数更新值和所述卸载效用函数初始值的大小判断是否将所述初始任务卸载矩阵、所述初始资源分配矩阵和所述卸载效用函数初始值分别更新为所述邻域解、所述目标资源分配矩阵和所述卸载效用函数更新值；在所述初始化温度上重复执行预设迭代次数的上述步骤。
[0010]可选地，所述获取所述初始任务卸载矩阵的邻域解，包括：从所述初始任务卸载矩阵中随机选择要扰动的第一目标用户；变更所述第一目标用户执行卸载任务时对应的基站和子带；基于变更结果生成所述初始任务卸载矩阵的邻域解。
[0011]可选地，所述变更所述第一目标用户执行卸载任务时对应的基站和子带，包括：生成随机种子；若所述随机种子大于设定阈值，则将所述第一目标用户执行卸载任务时对应的基站和子带替换为不被所述初始任务卸载矩阵中的卸载任务占用的基站和子带；若所述随机种子小于设定阈值，则随机选择要扰动的第二目标用户，交换所述第一目标用户和所述第二目标用户执行卸载任务时对应的基站和子带。
[0012]可选地，所述根据所述卸载效用函数更新值和所述卸载效用函数初始值的大小判断是否将所述初始任务卸载矩阵、所述初始资源分配矩阵和所述卸载效用函数初始值分别更新为所述邻域解、所述目标资源分配矩阵和所述卸载效用函数更新值，包括：判断所述卸载效用函数更新值是否大于所述卸载效用函数初始值；若大于，则将所述初始任务卸载矩阵、所述初始资源分配矩阵和所述卸载效用函数初始值分别更新为所述邻域解、所述目标资源分配矩阵和所述卸载效用函数更新值；若小于，则根据预设条件判断是否更新所述初始任务卸载矩阵、所述初始资源分配矩阵和所述卸载效用函数初始值。
[0013]可选地，所述基于所述邻域解获取目标资源分配矩阵，包括：根据所述邻域解、所述任务参数和所述资源参数获取每个卸载任务的数据量和权重系数；根据所述数据量和权重系数生成所述目标资源分配矩阵。
[0014]本专利技术实施例第二方面提供一种任务卸载和资源分配联合优化装置，包括：初始模块，用于根据多用户多服务器移动边缘计算网络的任务参数和资源参数生成满足约束条件的初始任务卸载矩阵和初始资源分配矩阵，并根据所述初始任务卸载矩阵和初始资源分配矩阵计算卸载效用函数初始值；迭代模块，用于根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；输出模块，用于在满足迭代终止条件时输出所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值。
[0015]本专利技术实施例第三方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本专利技术实施例第一方面任一项所述的任务卸载和资源分配联合优
化方法。
[0016]本专利技术实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本专利技术实施例第一方面任一项所述的任务卸载和资源分配联合优化方法。
[0017]从以上技术方案可以看出，本专利技术实施例具有以下优点：
[0018]本专利技术实施例提供的一种任务卸载和资源分配联合优化方法、装置、设备及存储介质，通过根据多用户多服务器移动边缘计算网络的任务参数和资源参数生成满足约束条件的初始任务卸载矩阵和初始资源分配矩阵，并根据所述初始任务卸载矩阵和初始资源分配矩阵计算卸载效用函数初始值；根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任务卸载和资源分配联合优化方法，其特征在于，包括：根据多用户多服务器移动边缘计算网络的任务参数和资源参数生成满足约束条件的初始任务卸载矩阵和初始资源分配矩阵，并根据所述初始任务卸载矩阵和初始资源分配矩阵计算卸载效用函数初始值；根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；在满足迭代终止条件时根据更新后的所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值进行任务卸载和资源分配。2.根据权利要求1所述的任务卸载和资源分配联合优化方法，其特征在于，所述根据模拟退火算法对所述初始任务卸载矩阵进行迭代计算，基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值，包括：获取模拟退火算法的初始化温度、温度降低系数和预设迭代次数；在所述初始化温度上对所述初始任务卸载矩阵进行预设迭代次数的迭代，每次迭代时基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值；根据温度降低系数降低初始化温度，并重新开始下一轮迭代。3.根据权利要求2所述的任务卸载和资源分配联合优化方法，其特征在于，所述在所述初始化温度上对所述初始任务卸载矩阵进行预设迭代次数的迭代，每次迭代时基于迭代结果更新所述初始任务卸载矩阵、初始资源分配矩阵和卸载效用函数初始值，包括：获取所述初始任务卸载矩阵的邻域解，基于所述邻域解获取目标资源分配矩阵；根据所述邻域解和目标资源分配矩阵计算卸载效用函数更新值；根据所述卸载效用函数更新值和所述卸载效用函数初始值的大小判断是否将所述初始任务卸载矩阵、所述初始资源分配矩阵和所述卸载效用函数初始值分别更新为所述邻域解、所述目标资源分配矩阵和所述卸载效用函数更新值；在所述初始化温度上重复执行预设迭代次数的上述步骤。4.根据权利要求3所述的任务卸载和资源分配联合优化方法，其特征在于，所述获取所述初始任务卸载矩阵的邻域解，包括：从所述初始任务卸载矩阵中随机选择要扰动的第一目标用户；变更所述第一目标用户执行卸载任务时对应的基站和子带；基于变更结果生成所述初始任务卸载矩阵的邻域解。5.根据权利要求4所述的任务卸载和资源分配联合优化方法，其特征在于，所述变更所述第一目标用户执行卸载任务时对应的基站和子带，包括：生成随机种子；若所述随机种子大于设定阈值...

【专利技术属性】
技术研发人员：虞跃，王玮，郭云飞，朱亮，唐倩文，吴鹏，姚继明，徐阳洲，邱兰馨，
申请(专利权)人：国网浙江省电力有限公司信息通信分公司国家电网有限公司，
类型：发明
国别省市：