移动边缘计算任务卸载方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种移动边缘计算任务卸载方法、装置、设备及存储介质，该方法包括：计算视频监控设备的任务的本地执行时间、本地能耗代价、任务传输的传输能耗代价和任务在边缘服务器的处理时间；基于预设的任务缓存决策变量、任务卸载决策变量、本地执行时间、本地能耗代价、传输能耗代价、处理时间构建约束条件；利用免疫克隆算法对约束条件进行迭代计算，得到最优任务缓存策略和最优任务卸载策略；根据最优任务卸载策略对各个任务进行分配，并根据最优任务缓存策略对被执行后的目标任务进行缓存。本发明专利技术通过任何缓存、任务卸载问题建立算法模型，再利用免疫克隆算法求解最优任务缓存策略和任务卸载策略，以降低任务处理的总体能耗。耗。耗。

【技术实现步骤摘要】
移动边缘计算任务卸载方法、装置、设备及存储介质


[0001]本专利技术实施例涉及智能视频分析
，具体涉及一种移动边缘计算任务卸载方法、装置、设备及存储介质。

技术介绍

[0002]智能视频分析的移动边缘计算构建了一种基于边缘计算的视频图像处理技术，通过对视频图像进行预处理，去除图像冗余信息，使得部分或全部视频分析迁移到边缘处。智能视频分析的移动边缘计算所研究的一个主要焦点是将计算密集型的任务卸载到MEC服务器中进行处理。目前已经有很多的工作研究MEC的卸载问题，现有的研究均主要分析MEC网络场景下将任务卸载到MEC上的时延以及能耗进而得到卸载策略。大部分研究均假设边缘服务器具有足够的计算和存储，然而实际上，边缘服务器在计算和存储上均是有限制的，导致最终得出的任务卸载策略并非最佳，难以兼顾任务处理的时延需求和设备的总能耗需求，造成能耗损失或时延长。

技术实现思路

[0003]鉴于上述问题，本专利技术实施例提供了一种移动边缘计算任务卸载方法、装置、设备及存储介质，用于解决现有边缘计算的任务卸载方式难以兼顾总能耗需求和时耗需求的问题。
[0004]根据本专利技术实施例的一个方面，提供了一种移动边缘计算任务卸载方法，包括：计算获取到的各个视频监控设备的任务的本地执行时间、本地能耗代价、任务传输至边缘服务器的传输能耗代价和任务在边缘服务器处理时的处理时间；基于预设的任务缓存决策变量、任务卸载决策变量、本地执行时间、本地能耗代价、传输能耗代价、处理时间构建对任务缓存决策变量和任务卸载决策变量的约束条件；利用免疫克隆算法对约束条件进行迭代计算，得到最优任务缓存策略和最优任务卸载策略；根据最优任务卸载策略对各个任务进行分配，并根据最优任务缓存策略确定需要进行缓存的目标任务并在目标任务执行后进行缓存。
[0005]作为本专利技术的进一步改进，利用免疫克隆算法对约束条件进行迭代计算，得到最优任务缓存策略和最优任务卸载策略，包括：获取边缘服务器的任务缓存；基于任务缓存和约束条件构建第一目标函数；利用免疫克隆算法对第一目标函数进行迭代计算，得到最优任务卸载策略；基于最优任务卸载策略和约束条件构建第二目标函数；利用免疫克隆算法对第二目标函数进行迭代计算，得到最优任务缓存策略。
[0006]作为本专利技术的进一步改进，约束条件表示为：
[0007][0008][0009][0010]C3:T
n,
≤D
n
；
[0011]C4:x
k
∈{0,1}；
[0012]C5:a
n
∈[0,1]；
[0013][0014][0015][0016][0017][0018][0019][0020][0021]其中，x表示任务缓存策略，x
k
表示预先定义的任务缓存决策变量，x
k
∈{0,1}，表示任务k是否在边缘服务器缓存，若是，x
k
＝1，否则x
k
＝0，任务缓存策略表示为x＝(x1,x2,...,x
k
)，a表示任务卸载策略，a
n
表示预先定义的任务卸载决策变量，a
n
∈[0,1]，1表示视频监控设备n的任务在本地执行，0表示视频监控设备n的任务卸载至边缘服务器执行，0到1则表示视频监控设备n的任务部分在本地执行，任务卸载策略表示为a＝(a1,a2,...,a
n
)，N表示视频监控设备的总数量，K表示任务的总数量，u
n,k
表示视频监控设备n请求任务k，s
k
表示任务u
n,k
的数据量，单位为bit，w
k
表示任务u
n,k
请求的计算资源数量，以每bit的CPU周期数表示，即完成该任务需要的CPU周期总数，D
n
表示视频监控设备n的任务完成截止时间，c
e
表示边缘服务器的缓存大小，c
s
表示边缘服务器的计算能力，表示分配给视频监控设备n的CPU计算能力，T
n,k
表示总执行时间，表示本地执行时间，表示视频监控设备n的CPU计算能力，表示任务在边缘服务器上的处理时间，表示任务上传时间，表示边缘服务器执行任务的时间，r
n
表示视频监控设备n的上传数据速率，P
n
表示视频监控设备n的发送功率，H
n
表示视频监控设备n与边缘服务器间的信道增益，B和σ表示预设常数，表示本地能耗代价，E
n,k
表示总能耗代价，k表示能量因子，表示传输能耗代价，C1表示任务的数据量不能大于边缘服务器的缓存能力，C2表示卸载任务的总的资源请求不能大于边缘服务器的计算能力，C3表示视频监控设备n的任务执行需在截止时间前完成，C4表示任务缓存决策变量为二进制变量，C5表示任务是可分割的，可部分在本地执行，部分在边缘服务器上执行。
[0022]作为本专利技术的进一步改进，第一目标函数：
[0023][0024]第二目标函数：
[0025][0026]其中，f(a)表示第一目标函数，g(x)表示第二目标函数，表示边缘服务器给定的任务缓存，表示最优任务卸载策略。
[0027]作为本专利技术的进一步改进，利用免疫克隆算法对第一目标函数或第二目标函数进行迭代计算，得到最优任务卸载策略或最优任务缓存策略，包括：以任务的总数作为初始抗体种群；根据第一目标函数或第二目标函数计算初始抗体种群的第一抗体种群适应度值；根据第一抗体种群适应度值对任务进行排序后进行克隆，得到第一抗体种群；对第一抗体种群进行交叉和变异基因操作，得到第二抗体种群；将初始抗体种群与第二抗体种群合并，得到第三抗体种群；根据第一目标函数或第二目标函数计算第三抗体种群的第二抗体种群适应度值；基于第二抗体种群适应度值结合锦标赛选择规则选出下一代初始抗体种群，并迭代执行上述过程直至迭代次数达到预设次数时为止，输出最优任务卸载策略或最优任务缓存策略。
[0028]作为本专利技术的进一步改进，当迭代计算第一目标函数时，对第一抗体种群进行交叉操作表示为：
[0029]ch1＝λ
×
parent2+(1
‑
λ)
×
parent1；
[0030]ch2＝λ
×
parent1+(1
‑
λ)
×
parent2；
[0031]其中，λ为[0,1]区间的随机分布数，parent1、parent2表示第一抗体种群中的两个个体，ch1、ch2表示根据两个个体的线性组合生成的新的两个个体；
[0032]对第一抗体种群进行变异操作表示为：
[0033]V1＝
‑
0；
[0034]V2＝1
‑
v；
[0035]当λ＞0.5时，对进行变异的基因执行以下操作：
[0036][0037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任务卸载方法，其特征在于，包括：计算获取到的各个视频监控设备的任务的本地执行时间、本地能耗代价、所述任务传输至边缘服务器的传输能耗代价和任务在所述边缘服务器处理时的处理时间；基于预设的任务缓存决策变量、任务卸载决策变量、所述本地执行时间、所述本地能耗代价、所述传输能耗代价、所述处理时间构建对所述任务缓存决策变量和所述任务卸载决策变量的约束条件；利用免疫克隆算法对所述约束条件进行迭代计算，得到最优任务缓存策略和最优任务卸载策略；根据所述最优任务卸载策略对各个任务进行分配，并根据所述最优任务缓存策略确定需要进行缓存的目标任务并在所述目标任务执行后进行缓存。2.根据权利要求1所述的移动边缘计算任务卸载方法，其特征在于，所述利用免疫克隆算法对所述约束条件进行迭代计算，得到最优任务缓存策略和最优任务卸载策略，包括：获取所述边缘服务器的任务缓存；基于所述任务缓存和所述约束条件构建第一目标函数；利用所述免疫克隆算法对所述第一目标函数进行迭代计算，得到所述最优任务卸载策略；基于所述最优任务卸载策略和所述约束条件构建第二目标函数；利用所述免疫克隆算法对所述第二目标函数进行迭代计算，得到所述最优任务缓存策略。3.根据权利要求2所述的移动边缘计算任务卸载方法，其特征在于，所述约束条件表示为：C1：C2：C3：T
n，k
≤D
n
；C4：x
k
∈{0，1}；C5：a
n
∈[0，1]；k＝K；k＝K；k＝K；k＝K；k＝K；k＝K；
其中，x表示任务缓存策略，x
k
表示预先定义的任务缓存决策变量，x
k
∈{0，1}，表示任务k是否在所述边缘服务器缓存，若是，x
k
＝1，否则x
k
＝0，所述任务缓存策略表示为x＝(x1，x2，...，x
k
)，a表示任务卸载策略，a
n
表示预先定义的任务卸载决策变量，a
n
∈[0，1]，1表示视频监控设备n的任务在本地执行，0表示视频监控设备n的任务卸载至边缘服务器执行，0到1则表示视频监控设备n的任务部分在本地执行，所述任务卸载策略表示为a＝(a1，a2，...，a
n
)，N表示所述视频监控设备的总数量，K表示所述任务的总数量，u
n，k
表示视频监控设备n请求任务k，s
k
表示任务u
n，k
的数据量，单位为bit，w
k
表示任务u
n，k
请求的计算资源数量，以每bit的CPU周期数表示，即完成该任务需要的CPU周期总数，D
n
表示视频监控设备n的任务完成截止时间，c
e
表示所述边缘服务器的缓存大小，c
s
表示所述边缘服务器的计算能力，表示分配给视频监控设备n的CPU计算能力，T
n，k
表示总执行时间，表示所述本地执行时间，表示视频监控设备n的CPU计算能力，表示任务在边缘服务器上的处理时间，表示任务上传时间，表示边缘服务器执行任务的时间，r
n
表示视频监控设备n的上传数据速率，P
n
表示视频监控设备n的发送功率，H
n
表示视频监控设备n与边缘服务器间的信道增益，B和σ表示预设常数，表示所述本地能耗代价，E
n，k
表示总能耗代价，K表示能量因子，表示所述传输能耗代价，C1表示任务的数据量不能大于边缘服务器的缓存能力，C2表示卸载任务的总的资源请求不能大于边缘服务器的计算能力，C3表示视频监控设备n的任务执行需在截止时间前完成，C4表示任务缓存决策变量为二进制变量，C5表示任务是可分割的，可部分在本地执行，部分在边缘服务器上执行。4.根据权利要求3所述的移动边缘计算任务卸载方法，其特征在于，所述第一目标函数：所述第二目标函数：其...

【专利技术属性】
技术研发人员：李政，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：