一种具有延迟约束的协作移动边缘计算网络的能效卸载方法技术

本申请涉及一种具有延迟约束的协作移动边缘计算网络的能效卸载方法，包括以下步骤：步骤1：对所处MEC网络场景进行建模，中心服务器感知所处环境内物联网设备产生的一组具有相互依赖关系的计算密集型数据；步骤2：用有向无环图DAG表征任务间的相互依赖关系并作为决策矩阵的边界；步骤3：完成约束条件的设置，并完成对网络模型、卸载模型、能源消耗模型的建立；步骤4：结合所得DAG图，按照优化算法，保证卸载方案最优且计算时延最小。本申请在规定时限的约束下可以最小化整体能源消耗并整合优化了MEC网络带宽利用和计算资源分配，提高了移动边缘计算网络的实际应用意义。移动边缘计算网络的实际应用意义。移动边缘计算网络的实际应用意义。

【技术实现步骤摘要】
一种具有延迟约束的协作移动边缘计算网络的能效卸载方法


[0001]本申请属于电力物联网
，尤其涉及一种具有延迟约束的协作移动边缘计算网络的能效卸载方法。

技术介绍

[0002]随着物联网(Internet
‑
of
‑
Things，IoT)、大数据、云计算等技术的高速、云计算等技术的发展，出现了许多延迟敏感和计算任务密集的应用场景，如自动驾驶、智慧医疗等。传统物联网设备受限于物理尺寸较小，缺乏足够的计算能力和能源供给。传统云计算(Mobile Cloud Computing,MCC)使得IoT设备能将任务卸载到云服务器上，依托其庞大运算能力去完成。但卸载过程会产生较大时延。
[0003]移动边缘计算(Mobile Edge Computing,MEC)网络将计算和储存资源下沉到IoT设备密集区域网络的边缘端，提供就近卸载服务。但MEC服务器计算能力弱于MCC集中式的云服务器，单个MEC服务器无法完成一组密集型计算任务且任务间依赖关系也需要进行考虑。此外，传统完全卸载策略的算法复杂度较大，依靠现有优化工具难以求得最优卸载方案。

技术实现思路

[0004]本申请实施例的目的在于提供一种具有延迟约束的协作移动边缘计算网络的能效卸载方法，降低了算法的复杂度，优化了网络的时延和能耗性能。
[0005]为实现上述目的，本申请提供如下技术方案：
[0006]本申请实施例提供一种具有延迟约束的协作移动边缘计算网络的能效卸载方法，包括以下步骤：
[0007]步骤1：对所处MEC网络场景进行建模，中心服务器感知所处环境内物联网设备产生的一组具有相互依赖关系的计算密集型数据；
[0008]步骤2：考虑到一组任务间依赖关系在时间上的正向不成环特性，用有向无环图DAG表征任务间的相互依赖关系并作为决策矩阵的边界；
[0009]步骤3：根据用户端、MEC服务器端、云端的计算能力和上下行传输速率、计算能力分配，完成约束条件的设置，并完成对网络模型、卸载模型、能源消耗模型的建立；
[0010]步骤4：结合所得DAG图，按照优化算法，在给定的能源消耗约束下，将任务卸载到多个MEC服务器上进行并行计算，必要时会考虑将任务传输至云端计算。最终将计算结果发回物联网设备，保证卸载方案最优且计算时延最小。
[0011]所述有向无环图DAG为
[0012]G＝(J,ε)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0013][0014]其中J表示一次应用请求产生的任务集合，ε矩阵表征任务集合J之间相互依赖关系，其中e
ij
∈{0,1}，e
ij
＝1代表第j个任务的执行需要第i个任务的结果，e
ij
＝0代表第j个任务的执行需要不需要第i个任务的结果，e
ij
＝0(i≥j)，
[0015]物联网设备的数据处理频率为f
d
，其表征了物联网设备的硬件能力；第i个任务属性初始化为：其中分别代表其输入和输出数据大小，T
j
,C
i
分别代表其时延要求和所需的CPU的执行周期数；
[0016]MEC服务器的总性能初始化为：K
MECS
(S
U
,S
d
,f
n
)，依次代表MEC服务器群组可自由分配的的上行、下行速率和CPU运行频率；云端服务器的传输速率和数据处理能力用S
C
,f
C
进行表征。
[0017]所述步骤3具体如下：
[0018]卸载决策元素为其中元素分别表示第i个任务在本地执行，在服务器节点执行和在云端执行当相应值为1时，分别代表第i个任务卸载到用户端、MEC服务器端、云端进行计算，单个任务只会发生一次卸载，需满足下式子：
[0019][0020]对于在用户端本地执行的任务，用P
L
表征每个CPU运行周期消耗的能源，则可以得出在用户端执行任务i消耗的能源和所用时间如下式所示：
[0021][0022][0023]对于卸载到j号MEC服务器执行的任务i，即
[0024]用表征其上行、下行传输速率和CPU运行频率，并用分别表征接受和传输一个数据单元所消耗能源，则可得到j号MEC服务器计算任务i所消耗的能源和计算时延表达式如下：
[0025][0026][0027]用S
C
表征云端服务器的传输速率，类比MEC服务器可以得到能源消耗和时间延迟表达式如下：
[0028][0029][0030]其中分别表示在相应节点计算过程的数据上传和下载所消耗的能源,分别表示第i个任务输出和输出的数据单元大小。用表征其上行、下行传输速率和CPU运行频率，用S
C
表征云端服务器的传输速率,为了减小能源消耗，限制单个任务i只会在用户端、MEC服务器端、云端三个节点中一处进行运算，其具体卸载方案由决策元素决定，且为严格二进制变量约束式子如下：
[0031]考虑到任务之间有相互依赖关系，单个任务的计算过程可能需要多个前置任务的计算结果，而多次卸载会影响整体任务逻辑连贯性，并造成能源消耗，故规定单个任务i只能发生一次卸载过程：
[0032][0033]对于任务i，其计算消耗能源E
i
和计算产生的总时延T
i
分别由下式子表征：
[0034][0035][0036]所述步骤3具体如下：
[0037]对于物联网设备而言，当卸载到网络边缘端时总体计算能耗小于自身计算所产生的，或者受限于自身硬件条件无法在给定时间内完成任务计算时，卸载过程产生，用ν
i
表征计算该任务i所需的CPU运行周期C
i
和任务输入数据大小的比率，得到下式：
[0038][0039]当时，用νie表征任务i的复杂率，如下式：
[0040][0041]则物联网设备在初步考量任务i的数据大小和所需的计算周期，并通过计算得到
v
i
＞v
ie
时，则需要将该任务卸载到网络边缘进行计算请求。
[0042]与现有技术相比，本申请的有益效果是：在规定时限的约束下可以最小化整体能源消耗并整合优化了MEC网络带宽利用和计算资源分配，提高了移动边缘计算网络的实际应用意义。
附图说明
[0043]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0044]图1为本申请实施例的方法流程图；
[0045]图2为提出的协作MEC网络部署结构图；
[0046]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有延迟约束的协作移动边缘计算网络的能效卸载方法，其特征在于，包括以下步骤：步骤1：对所处MEC网络场景进行建模，中心服务器感知所处环境内物联网设备产生的一组具有相互依赖关系的计算密集型数据；步骤2：考虑到一组任务间依赖关系在时间上的正向不成环特性，用有向无环图DAG表征任务间的相互依赖关系并作为决策矩阵的边界；步骤3：根据用户端、MEC服务器端、云端的计算能力和上下行传输速率、计算能力分配，完成约束条件的设置，并完成对网络模型、卸载模型、能源消耗模型的建立；步骤4：结合所得DAG图，按照优化算法，在给定的能源消耗约束下，将任务卸载到多个MEC服务器上进行并行计算，必要时考虑将任务传输至云端计算,最终将计算结果发回物联网设备，保证卸载方案最优且计算时延最小。2.根据权利要求1所述的具有延迟约束的协作移动边缘计算网络的能效卸载方法，其特征在于，所述有向无环图DAG为G＝(J,ε)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中J表示一次应用请求产生的任务集合，ε矩阵表征任务集合J之间相互依赖关系，其中eij∈{0,1}，
eij＝1
代表第j个任务的执行需要第i个任务的结果，e
ij
＝0代表第j个任务的执行需要不需要第i个任务的结果，e
ij
＝0(i≥j)，物联网设备的数据处理频率为f
d
，其表征了物联网设备的硬件能力；第i个任务属性初始化为：其中分别代表其输入和输出数据大小，T
j
,C
i
分别代表其时延要求和所需的CPU的执行周期数；MEC服务器的总性能初始化为：K
MECS
(S
U
,S
d
,f
n
)，依次代表MEC服务器群组可自由分配的的上行、下行速率和CPU运行频率；云端服务器的传输速率和数据处理能力用S
C
,f
C
进行表征。3.根据权利要求1所述的具有延迟约束的协作移动边缘计算网络的能效卸载方法，其特征在于，所述步骤3具体如下：卸载决策元素为其中元素分别表示第i个任务在本地执行，在服务器节点...

【专利技术属性】
技术研发人员：姚渭箐，罗弦，董亮，庄严，李想，张岱，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
类型：发明
国别省市：