一种多用户D2D计算卸载与资源分配方法、装置及介质制造方法及图纸

本发明专利技术公开了一种多用户D2D计算卸载与资源分配方法、装置及介质，所述方法包括获取所有需求用户的任务卸载决策，将所述任务卸载决策编码为遗传算法种群中的个体基因型，并对种群进行初始化；对种群执行遗传算法交叉和变异操作，针对种群中的所有个体，计算出所有个体的适应值，并根据个体适应值高低，挑选出设定数量的个体，组成新的种群；输出当前种群中适应度最高的个体基因型对应的需求用户的任务卸载决策，以及在此任务卸载决策下的需求用户计算资源租赁单价决策和空闲用户计算资源分配决策，本发明专利技术针对用户在协作计算过程中的利益竞争关系，引入了一种新的计算卸载机制，以鼓励拥有空闲计算资源的空闲用户参与协作计算。算。算。

【技术实现步骤摘要】
一种多用户D2D计算卸载与资源分配方法、装置及介质


[0001]本专利技术涉及一种多用户D2D计算卸载与资源分配方法、装置及介质，属于通信


技术介绍

[0002]智能终端的普及使得人们的生活发生了翻天覆地的变化，然而随着人工智能以及大数据的发展，应用程序运行时造成的开销也呈现爆炸性增长，这对于资源受限的移动终端带来了巨大的压力。移动边缘计算技术(Mobile Edge Computing,MEC)被视为解决终端设备压力的重要技术，通过将任务卸载到具有丰富计算资源的边缘服务器上进行处理，能够有效提高移动终端的任务处理效率，同时还能够减小终端的能量损耗。在MEC架构下，用户卸载任务向服务器需要依赖蜂窝网络进行，对着终端设备的普及，这一架构也逐渐暴露出弊端。在移动用户密集分布的区域，如大型商场、医院或者车辆拥堵地段等，用户所在蜂窝小区承受的巨大的访问压力，有限的频谱资源导致大多数用户使用终端设备时都无法被正常服务。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种多用户D2D计算卸载与资源分配方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多用户D2D计算卸载与资源分配方法，其特征在于，包括：获取所有需求用户的任务卸载决策，将所述任务卸载决策编码为遗传算法种群中的个体基因型，并对种群进行初始化；种群重组步骤，包括：对种群执行遗传算法交叉和变异操作，针对种群中的所有个体，计算出所有个体的适应值，并根据个体适应值高低，挑选出设定数量的个体，组成新的种群；重复执行种群重组步骤，直至遗传算法达到最大迭代周期；输出当前种群中适应度最高的个体基因型对应的需求用户的任务卸载决策，以及在此任务卸载决策下的需求用户计算资源租赁单价决策和空闲用户计算资源分配决策。2.根据权利要求1所述的多用户D2D计算卸载与资源分配方法，其特征在于，对种群进行初始化，包括：假设需求用户的总人数为N，用集合N＝{1,2,
…
,n,
…
,N}表示，空闲用户的总人数为I，用集合I＝{1,2,...,i,...,I}表示；假设每个需求用户有一个计算密集型任务，用x
n,loc
表示需求用户n任务本地执行的标志，如果x
n,loc
＝1，则表示用户n选择将任务置于本地执行，如果x
n,loc
＝0，则表示用户n选择将任务进行卸载，x
n,i
表示需求用户n与空闲用户i的D2D卸载标志，如果x
n,i
＝1，则表示用户n选择将任务卸载到空闲用户i的终端上处理，如果x
n,i
＝0，则表示用户n选择将任务卸载到空闲用户处理。每个需求用户的任务只能在一处执行，对于任意需求用户n∈N，均满足：每个空闲用户最多只能处理一个任务，即对于任意空闲用户i∈I,均满足：对于任意用户n，用包含I+1的元素的一维向量x
n
＝{x
n,loc
,x
n,1
,x
n,2
,
…
,x
n,i
,
…
,x
n,I
}表示其任务卸载决策，x
n
中的元素在满足条件和下随机生成，将所有需求用户的任务卸载决策横向组合，构成种群中个体的基因型并添加至种群中；用表示种群的个体数量，重复执行步骤S23，直至生成个个体基因型，将所有个体的适应值初始化为0。3.根据权利要求1所述的多用户D2D计算卸载与资源分配方法，其特征在于，对种群执行遗传算法交叉操作，包括：从种群中按照适应度优先的准则挑选两个个体作为父代，挑选时，个体的适应度越大，则从种群中被选中的概率越大；确定交叉操作执行位置θ，θ为区间1≤θ≤N
‑
1内的随机值，在交叉位置θ的基础上，父代个体执行交叉操作，产生新的子代个体；对新产生的子代个体进行校正；重复执行以上步骤，直至产生设定数量的新个体。4.根据权利要求2所述的多用户D2D计算卸载与资源分配方法，其特征在于，对新产生
的子代个体进行校正，包括：针对所有空闲用户i，判断是否大于1，如果是，找出卸载标志为1的两个需求用户n1和n2，随机确定n∈{n1,n2}，令x
n,i
＝0；针对所有需求用户n，判断是否大于1，如果是，找出卸载标志为1的两个空闲用户i1和i2，随机确定i∈{i1,i2}，令x
n,i
＝0；针对所有需求用户n，判断是否等于0，如果是，则找出当前没有接收任务的空闲用户，随机将需求用户与空闲用户进行匹配。5.根据权利要求1所述的多用户D2D计算卸载与资源分配方法，其特征在于，对种群执行遗传算法变异操作，包括：针对种群中的所有个体，依据概率决定个体是否变异；针对发生变异的个体，随机确定变异位置α，β和χ，其中1≤α≤N，0≤β≤I，0≤χ≤I；执行个体变异操作，并对变异操作执行后产生的新个体进行校正操作。6.根据权利要求1所述的多用户D2D计算卸载与资源分配方法，其特征在于，针对种群中的所有个体，计算出所有个体的适应值，包括：用{C
n
,D
n
,L
n
}表示需求用户n的任务，其中C
n
表示计算任务所需要的CPU执行周期，D
n
表示任务的数据量大小，L
n
表示任务的最大容忍延迟，C
n
与D
n
之间满足关系C
n
＝κ
n
D
n
，其中κ
n
为计算每比特数据量的任务所需要的CPU周期数；对于需求用户n，若其任务在本地执行，则设备消耗的能耗E
n,loc
表示为：其中，α
n
为用户n终端设备能耗系数，f
n
为用户n终端的计算能力；...

【专利技术属性】
技术研发人员：朱琦，韩跃林，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：