信息年龄约束下基于MEC的车联网任务卸载和资源分配方法组成比例

本发明专利技术涉及信息年龄约束下基于MEC的车联网任务卸载和资源分配方法，属于移动边缘计算技术领域。构建多车辆单边缘计算服务器的车联网系统模型，建立计算模型、通信模型以及信息年龄模型，在车联网通信资源、计算资源和信息年龄约束下，建立卸载方式、通信资源分配以及计算资源分配的联合优化问题模型，采用基于混合策略改进的鲸鱼优化算法求解该联合优化问题。本发明专利技术的基于混合策略改进的鲸鱼优化算法是对传统鲸鱼优化算法的改进，增强了算法扩大搜索范围的能力，避免种群陷入局部最优，本发明专利技术的基于移动边缘计算的车联网资源分配方法能够在保证信息时效性的同时，实现车联网有限资源的合理分配，并有效降低车辆处理任务所需能耗。能耗。能耗。

【技术实现步骤摘要】
信息年龄约束下基于MEC的车联网任务卸载和资源分配方法


[0001]本专利技术专利属于移动边缘计算领域，具体一种涉及信息年龄约束下基于MEC的车联网任务卸载和资源分配方法。

技术介绍

[0002]近年来，随着科技的快速发展，各种实时应用及场景层出不穷，如自动驾驶、虚拟现实游戏、在线人脸识别等，人们对于信息实时性的要求不断提高，传统的指标如时延或吞吐量并不能完整的描述信息的新鲜程度。信息年龄作为一种新的性能指标用于度量网络中信息的新鲜程度，在未来6G系统的设计和应用中扮演重要的角色。
[0003]随着智能交通系统和车联网技术的发展，车辆被赋予更多的计算、存储、传感、控制和通信的能力。传统车辆的计算能力有限，现有车联网无法满足网联汽车、智能驾驶以及越来越多的车载应用对计算和存储资源的需求。为了解决这一问题，研究者开始考虑将用户的计算任务全部或部分卸载到边缘服务器进行计算处理，联合利用车辆本身和边缘服务器的计算能力实现车辆能耗的有效降低，提高车联网的系统性能。但是，车联网的边缘计算仍然存在诸多亟待解决的问题。首先，现有研究大多采用二元卸载模型，即计算任务是不可分割的，或者在本地计算或者卸载到边缘服务器处计算。但是，实际车辆的任务大部分都是能够分割的，可以在车辆和边缘服务器上并行计算，更充分地利用网络中的计算资源。然而，这样虽然可以大幅度提高系统的性能，但也使问题求解变得更为复杂。其次，车联网中的实时类应用对信息的及时性有更高的要求，陈旧的信息难以满足用户的要求，甚至可能对用户的决策产生误导。传统的性能指标，如时延等并不能有效衡量车联网中信息的新鲜程度。信息年龄作为一种衡量信息新鲜程度的指标在车联网中受到广泛研究。最后，考虑到边缘服务器计算资源以及无线通信资源的有限性，如何高效合理的分配这些有限资源，从而提升网络的性能成为了一个难点。因此，在信息时效性的前提下，如何联合优化移动边缘计算环境下车联网中的计算卸载决策和资源分配是亟需解决的一个重要问题。

技术实现思路

[0004]本专利技术提供一种信息年龄约束下基于MEC的车联网任务卸载和资源分配方法，在车联网通信资源、计算资源和信息年龄约束下，建立卸载方式、通信资源分配以及计算资源分配的联合优化问题模型，最小化处理计算任务的平均能耗，并采用基于混合策略改进的鲸鱼优化算法求解该优化问题。
[0005]本专利技术采取的技术方案是，包括下列步骤：
[0006]步骤1、构建多车辆单边缘计算服务器的车联网系统模型，所述车联网模型是一个由多个移动车辆及单边缘计算服务器组成的网络模型：
[0007]在道路旁部署单个RSU(Roadside Units)，配备具有一定计算处理能力的边缘计算服务器，能够为车辆提供额外的计算资源，道路中有N辆正在行驶的车辆，每辆车有若干大小不同且可分割的计算任务需要处理，计算任务选择完全在本地计算，或选择部分或全
部卸载到边缘计算服务器处计算；
[0008]步骤2、建立基于移动边缘计算的车联网中车辆计算任务的通信模型、计算模型以及信息年龄模型：
[0009]所述的通信模型为：
[0010][0011]其中，R
i
表示车辆i的上传速率；W是车辆和边缘服务器之间可用频谱带宽；P
iup
表示车辆i的上行发射功率；h
i
表示车辆i与边缘计算服务器之间的信道增益；n0表示加性高斯白噪声；
[0012]所述的计算模型为：
[0013]a)本地计算模型：
[0014][0015][0016]其中，和分别表示车辆i所携带的任务k的本地计算时延和能耗；C
loc
表示任务在本地计算一个比特数据所需要的CPU周期数；s
ik
表示车辆i所携带的任务k通过本地计算完成的份数；d表示可分割的计算任务的基本单位，单位为bit；表示车辆i为计算任务k所消耗的本地计算资源；ξ是一个常数，其值取决于芯片的结构；
[0017]b)卸载计算模型：
[0018][0019][0020]其中，和分别表示车辆i所携带的任务k的计算卸载时延和缷载能耗；C
mec
表示边缘服务器计算一个比特数据所需要的CPU周期数；m
ik
表示车辆i所携带的任务k通过卸载计算完成的份数；d表示可分割的计算任务的基本单位，单位为bit；表示边缘计算服务器分配给车辆i计算任务k的计算资源；表示RSU的电容常数，其值取决于芯片的结构；表示上行服务器的发射功率；R
i
表示车辆i的上传速率；
[0021]所述信息年龄模型为：
[0022][0023][0024]其中，表示车辆i的平均信息年龄；l
ik
表示车辆i任务k可以分割的份数；a
ik
表示车辆i所携带的任务k的信息年龄；K是每辆车携带的任务总数；T是时隙数量；
[0025]步骤3、在车联网通信资源、计算资源和信息年龄约束下，建立卸载方式、通信资源分配以及计算资源分配的联合优化问题模型，最小化处理计算任务所需的平均能耗；
[0026]所述的信息年龄是一种度量信息新鲜程度的指标，将信息年龄定义为最新被处理完成的车辆计算任务自生成开始所经历的时间，由于陈旧信息难以满足车联网中车辆对于信息及时性的要求，考虑在信息年龄约束下，最小化车辆处理任务所需的平均能耗，以满足车联网用户对于信息及时性的要求；
[0027]所建立的联合优化问题模型表述为：在信息年龄的约束下，以最小化处理计算任务所需的平均能耗为优化目标，建立任务卸载方式、通信资源分配以及边缘计算服务器计算资源分配的联合优化问题模型：
[0028][0029][0030]其中，约束条件C1表示车辆处理每个任务所需的平均能耗；约束条件C2表示对于车辆i的信息年龄的约束，A
imax
表示用户可接受的最大信息年龄；约束条件C3表示边缘计算服务器分配给车辆的总计算资源不超过其所有可用的计算资源，(
·
)是一个指示器函数，当括号内取值为真时，即(
·
)＝1，表示边缘计算服务器给车辆分配了任务所需的计算资源，反之(
·
)＝0，表示未分配计算资源；F
mec
表示边缘服务器可用的计算资源总量；约束条件C4表示分配给车辆的子信道数量不超过边缘服务器的子信道总数；B
max
表示边缘服务器最多可用的子信道数量；约束条件C5和C6表示车辆i任务k在本地计算的部分和在边缘计算服务器处计算的部分不超过任务k的总量；
[0031]步骤4、采用基于混合策略改进的鲸鱼优化算法HS
‑
WOA(Hybrid Strategy Improved Whale Optimization Algorithm)求解联合优化问题模型中的优化问题；
[0032]改进的鲸鱼优化算法的流程如下：
[0033]1)设置算法参数并初始化种群，根据搜索空间每一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息年龄约束下基于MEC的车联网任务卸载和资源分配方法，其特征在于，包括下列步骤：步骤1、构建多车辆单边缘计算服务器的车联网系统模型，所述车联网模型是一个由多个移动车辆及单边缘计算服务器组成的网络模型：在道路旁部署单个路边单元RSU，并为其配备具有一定计算处理能力的边缘计算服务器，能够为车辆提供额外的计算资源，道路中有N辆车正在行驶，每辆车有若干大小不同且可分割的计算任务需要处理，计算任务选择完全在本地计算，或选择部分或全部卸载到边缘计算服务器处计算；步骤2、建立基于移动边缘计算的车联网中车辆计算任务的通信模型、计算模型以及信息年龄模型：所述通信模型为：其中，R
i
表示车辆i的上传速率；W是车辆和边缘服务器之间可用频谱带宽；P
iup
表示车辆i的上行发射功率；h
i
表示车辆i与边缘计算服务器之间的信道增益；n0表示加性高斯白噪声；所述的计算模型为：a)本地计算模型：a)本地计算模型：其中，和分别表示车辆i所携带的任务k的本地计算时延和能耗；C
loc
表示任务在本地计算一个比特数据所需要的CPU周期数；s
ik
表示车辆i所携带的任务k通过本地计算完成的份数；d表示可分割的计算任务的基本单位，单位为bit；表示车辆i为计算任务k的所消耗的本地计算资源；ξ是一个常数，其值取决于芯片的结构；b)卸载计算模型b)卸载计算模型其中，和分别表示车辆i所携带的任务k的计算卸载时延和缷载能耗；C
mec
表示边缘服务器计算一个比特数据所需要的CPU周期数；m
ik
表示车辆i所携带的任务k通过卸载计算完成的份数；d表示可分割的计算任务的基本单位，单位为bit；表示边缘计算服务器分配给车辆i计算任务k的计算资源；表示RSU的电容常数，其值取决于芯片的结构；P
iup
表示上行服务器的发射功率；R
i
表示车辆i的上传速率；所述信息年龄模型为：
其中，表示车辆i的平均信息年龄；l
ik
表示车辆i任务k可以分割的份数；a
ik
表示车辆i所携带的任务k的信息年龄；K是每辆车携带的任务总数；T是时隙数量；步骤3、在车联网通信资源、计算资源和信息年龄约束下，建立卸载方式、通信资源分配以及计算资源分配的联合优化问题模型，最小化处理计算任务所需的平均能耗；步骤4、采用基于混合策略改进的鲸鱼优化算法HS
‑
WOA(Hybrid Strategy Improved Whale Optimization Algorithm)求解联合优化问题模型中的优化问题。2.根据权利要求1所述的信息年龄约束下基于MEC的车联网任务卸载和资源分配方法，其特征在于，步骤3所述的信息年龄是一种度量信息新鲜程度的指标，将信息年龄定义为最新被处理完成的车辆计算任务自生成开始所经历的时间，由于陈旧信息难以满足车联网中车辆对于信息及时性的要求，考虑在信息年龄约束下，最小化车辆处理任务所需的平均能耗，以满足车联网用户对于信息及时性的要求。3.根据权利要求1所述的信息年龄约束下基于MEC的车联网任务卸载和资源分配方法，其特征在于，所述步骤3中所建立的联合优化问题模型表述为：在信息年龄的约束下，以最小化处理计算任务所需的平均能耗为优化目标，建立任务卸载方式、通信资源分配以及边缘计算服务器计算资源分配的联合优化问题模型：卸载方式、通信资源分配以及边缘计算服务器计算资源分配的联合优化问题模型：其中，约束条件C1表示车辆处理每个任务所需的平均能耗；约束条件C2表示对于车辆i信息年龄的约束，A
imax
表示用户可接受的任务的最大信息年龄；约束条件C3表示边缘计算服务器分配给车辆的总计算资源不超过边缘计算服务器上的可用计算资源，(
·
)是指示器函数，当括号内取值为真时，(
·
)＝1，表示边缘计算服务器给车辆分配了任务所需的计算资源，反之(
·
)＝0，表示未分配计算资源；F
mec
表示边缘服务器可用的计算资源总量；约束
条件C4表示分配给车辆的子信道数量不超过边缘服务器的子信道总数；B
max
表示边缘服务器最多可用的子信道数量；约束条件C5和C6表示车辆i任务k在本地计算的部分和在边缘计算服务器处计算的部分不超过任务k的总量。4...

【专利技术属性】
技术研发人员：霍雨欣，董颖，王春悦，娄志远，石若欣，钟宇凤，翟若彤，王勇，
申请(专利权)人：吉林大学，
类型：发明
国别省市：