边缘网络中终端设备的低时延任务执行方法和系统技术方案

本发明专利技术提出一种边缘网络中终端设备的低时延任务执行方法和系统。本发明专利技术目的降低集中式移动边缘网络中多终端业务请求导致任务高时延的问题，针对该问题本发明专利技术综合考虑计算、通信以及存储三者间关系，并基于凸优化理论、松弛以及梯度下降等理论构建了时延最小化模型，提出了一种基于服务缓存与资源分配联合优化算法，该算法将非凸优化问题转变为凸优化问题，然后通过松弛、凸优化等理论对偶法上述问题进行求解。题进行求解。题进行求解。

【技术实现步骤摘要】
边缘网络中终端设备的低时延任务执行方法和系统


[0001]本专利技术涉及农业与信息技术交叉领域，并特别涉及一种集中式移动边缘网络下缓存与资源分配联合优化方法及系统。

技术介绍

[0002]随着移动通信与物联网的高速发展，许多计算密集和延时敏感应用如：无人驾驶、图像识别以及自然语言处理等随之产生。而这类具有低时延高可靠特点的应用对终端设备的计算能力提出较高要求。由于计算能力有限的终端设备在处理这类应用时将产生较高的任务时延，因此如何降低应用处理时延是目前亟需解决的关键问题之一；针对以上问题，移动云计算(mobile cloud computing，MCC)技术的出现很好地解决了终端计算能力受限的瓶颈。MCC的目标是将云端丰富的计算资源扩展至资源受限的终端设备，从而增强终端设备潜在的计算能力。由于终端设备与云服务器较远的通信距离所产生的网络延迟进而使得单纯依靠MCC无法满足延迟敏感型应用程序的时延要求。为了克服以上问题，并作为MCC技术的补充，移动边缘计算(MEC)作为一种新的技术被提出。移动边缘计算的形式主要由基站及其边缘服务器组成。当终端设备执本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘网络中终端设备的低时延任务执行方法，其特征在于，包括：步骤1、构建边缘网络，该边缘网络包括云端服务器、边缘服务器和多台终端设备，每台终端设备通过边缘服务器与该云端服务器相连，其中该边缘服务器的最大存储容量为C，最大计算能力为F；步骤2、各台终端设备生成的计算服务集合表示为步骤2、各台终端设备生成的计算服务集合表示为表示终端设备i请求计算服务A
i
相应的任务，其中表示终端i执行服务A
i
相关任务的输入数据大小，s
i
表示执行1bit数据所需循环数；初始化该边缘服务器的任务执行决策表示且且表示服务器缓存执行计算服务A
i
，表示服务器不缓存计算服务A
i
，由该云端服务器缓存执行计算服务A
i
；步骤3、根据终端设备和边缘服务器的计算能力和传输时延，构建终端设备和边缘服务器共同计算服务A
i
所花费的第一时延；根据终端设备和云端服务器的计算能力和传输时延，构建终端设备和云端服务器共同计算服务A
i
所花费的第二时延；根据该第一时延和该第二时延，构建所有终端设备执行任务的总时延；步骤4、以最小化该总时延为目标，以该最大存储容量C、该最大计算能力F和该边缘网络中设备间最大通信能力为约束，求解该任务执行决策；各终端设备根据求解结果将计算服务分配至该云端服务器或该边缘服务器执行，得到计算服务的执行结果。2.如权利要求1所述的一种边缘网络中终端设备的低时延任务执行方法，其特征在于，该步骤3包括：采用正交频分复用的方式将频谱资源分配给终端设备，频谱的总带宽为B；终端设备i传输A
i
的上行传输速率为：其中为终端上传数据所占上行带宽百分比，P
i,s
表示为终端i的发送功率，h
i,B
表示为基站与终端i间的信道衰落系数，d为终端与基站的距离，r为路径损耗，σ2为信道的噪声功率；边缘服务器缓存决策受到存储容量的限制为：当计算服务A
i
存储在边缘服务器时，则任务在边缘服务器执行，任务卸载的百分比用进行表示，任务的本地卸载量用表示，即表示，即本地的计算能力为f
ilocal
，所以其任务的本地计算时延表示为：任务卸载至边缘服务器时，任务卸载百分比表示为相应的任务卸载至边缘服务器的数据大小表示为：分配给终端设备的计算资源表示为f
imec
，任务在边缘服务器的执行时延表示为：
当任务卸载至边缘服务器时，终端设备将占用上行链路对数据进行传输，此时上行链路的传输时延表示为：该第一时延表示为：当计算服务A
i
未存储在边缘服务器时，此时计算任务将在本地以及云端进行部分卸载，部分任务卸载至本地时，任务卸载的百分比为任务的本地卸载量用表示，即本地的计算能力为f
ilocal
，因此任务的本地计算时延表示为：当任务卸载至云服务中心时，卸载百分比表示为其中任务卸载至边缘服务器的数据大小表示为：任务在云服务中心执行时其传输时延表示为：其中R为边缘服务与云服务中心之间的传输速率；该第二时延表示为：在计算、通信、存储资源约束条件下，对服务缓存决策x，上行频谱资源θ，任务部分卸载百分比α、β以及服务器计算资源f进行联合优化，以最小化该总时延，其中优化目标可以表示为：P0:s.t.C1:C2:C3:C4:C5:限制条件C1表示分配给所有终端设备的计算资源总和小于服务器的最大计算能力；限制条件C2表示分配给所有终端设备的频谱资源小于总频谱带宽；C3表示任务卸载比例；C4
表示服务缓存决策；C5表示边缘服务器可以缓存计算服务的最大容量。3.如权利要求2所述的一种边缘网络中终端设备的低时延任务执行方法，其特征在于，该联合优化过程包括：在给定初始缓存决策为x
(0)
后，多终端时延优化函数表示为：优化问题表示为:对上述变量f
imec
加入常量ε1，ε2；变量表示；变量表示最后将该变量带入式(1
‑
10)以及对应的限制条件中：由于问题P2包含乘积项引入三个辅助变量引入三个辅助变量其中将新的变量带入式(1
‑
12)后，重写P2为：
对于新增变量以及限制条件，得到的线性重构因子积约束条件：将带入式(1
‑
14)可以得到：得到对应的RLT因子积约束条件：
将带入式(1
‑
16)得到：同样对应的因子积约束条件表示为：将带入式(1
‑
18)可以得到:经过以上变换后，得到新的优化问题P3:通过拉格朗日乘子法以及梯度法对P3进行求解；将得到的解待入式后，得到资源分配方案f
imec
，将其带入问题P0后得到关于缓存决策问题P4:
对整型变量松弛成区间为的连续变量后求解P4，得到最终的决策并作为该求解结果。4.如权利要求1所述的边缘网络中终端设备的低时延任务执行方法，其特征在于，该终端设备为智能汽车，该计算服务为无人驾驶任务。5.一种边缘网络中终端设备的低时延任务执行系统，其特征在于，包括：模块1、构建边缘网络，该边缘网络包括...

【专利技术属性】
技术研发人员：龙隆，刘子辰，陆在旺，张玉成，赵紫旭，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：