一种可靠性感知的边缘计算方法技术

本发明专利技术属于边缘计算和工业互联网技术领域，具体涉及一种可靠性感知的边缘计算方法。本发明专利技术首先考虑到设备芯片计算过程中会带来温度的升高降低系统性能，同时信道条件会因为衰落而影响通信能力，通过芯片计算产生的温度不超过容忍温度以及信噪比不小于最低信噪比阈值来对计算可靠性和通信可靠性进行建模。然后，通过构建本地计算模型、传输模型、边缘计算模型以及可靠性模型，设计了一个能耗最小化问题。最后，采用改进混合鲸鱼优化算法和交替迭代方法提出了可靠性感知的能效交替迭代任务卸载方法。本发明专利技术所提方法可在工业互联网可靠性场景下降低终端设备的能量消耗，显著提高资源的有效利用率。源的有效利用率。源的有效利用率。

【技术实现步骤摘要】
一种可靠性感知的边缘计算方法


[0001]本专利技术涉及边缘计算和工业互联网技术，具体涉及一种可靠性感知的边缘计算方法。

技术介绍

[0002]目前，互联网的飞速发展使得智能设备已经成为人们生活中不可或缺的一部分，同时互联网时代对传输带宽、时延、能耗、应用性能和可靠性提出了更高的要求，各种复杂的应用(如智能监控、自主控制和智能医疗等)变得更加普及，并且都是计算密集型和时延敏感型任务，需要大量的带宽和处理资源。由于设备的计算能力和存储能力非常有限，一些复杂的物联网应用(例如，人脸识别、增强现实、自动驾驶)无法在本地有效处理。因此将计算任务卸载到边缘服务器处理是一大解决方法。
[0003]现有方案往往关注资源调度中时延、能耗等网络的系统性能，通过在时延约束下来进行节能设计。由于工业现场数据量比较庞大，无线资源稀缺、信道高度时变以及卸载策略复杂，同时，在任务卸载过程中包括通信和计算过程的耦合，并且通信和计算资源分配不当会导致资源利用率低和任务完成时延差异化。因此需要考虑任务在计算过程和通信过程中的可靠性，以满足工业互联网场景下任务的整体可靠性，如何合理分配资源以及设计高效的计算卸载策略，是边缘计算中的一大挑战因此，亟需一种可靠性感知的边缘计算卸载和资源分配方法，减少计算密集、时延敏感型任务的能量消耗。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于针对工业互联网边缘计算场景中，由于工业设备数据量大，计算能效低，计算资源利用率低、任务完成时延差异化的问题，提供一种可靠性感知的边缘计算方法，考虑任务计算和通信可靠性，通过优化计算任务所产生的总能耗，减少大量任务带来的能量消耗。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种可靠性感知的边缘计算卸载和资源分配方法，首先，初始化发射功率、计算资源以及通信资源初始解，然后分别采用凸优化以及基于本专利技术提出的改进混合鲸鱼优化算法求解三个子问题。对于卸载比率分配过程，首先固定发射功率以及计算资源分配，然后通过拉格朗日理论以及凸优化求解出卸载比率；对于通信资源分配过程，首先固定卸载比率以及计算资源分配，然后通过本专利技术提出来的改进混合鲸鱼优化算法进行求解得出发射功率；对于计算资源分配过程，首先固定卸载比率以及发射功率，然后通过本专利技术所提算法进行求解得出计算资源分配，最后通过判断能耗来确定是否达到最优解。该方法具体包括以下步骤：
[0007]S1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；
[0008]S2：在步骤S1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信
模型；根据计算时延和计算能耗，建立计算模型；
[0009]S3：根据温度和信噪比，将计算模型和通信模型建立为计算可靠性模型和通信可靠性模型；
[0010]S4：根据计算可靠性模型和通信可靠性模型，建立以时延和可靠性为约束条件，以所有设备能耗最小化为优化目标的优化问题；
[0011]S5：将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题，采用步骤S6～步骤S7进行交替迭代求解；
[0012]S6：通过凸优化理论以及拉格朗日方法求解所述卸载比率子问题，得出最优的卸载决策；
[0013]S7：通过改进混合鲸鱼优化算法求解功率控制子问题和计算资源子问题，得出最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策。
[0014]本专利技术的有益效果在于：
[0015]本专利技术在考虑任务通信可靠性和计算可靠性下提出了一种节能边缘计算设计方案，在保证任务容忍时延以及任务整体可靠性需求下通过联合优化卸载决策、通信和计算资源分配，以最大限度地降低设备的能耗。并考虑芯片处理能力，提出了一个通过温度来衡量任务计算可靠性的模型，并将原非凸问题转化为几个子问题进行求解，同时提出了交替迭代算法以及改进混合鲸鱼优化算法。
[0016]本专利技术针对工业互联网边缘计算场景中，解决由于终端设备计算能力不足导致资源利用率低，难以实现节能性能。本专利技术可以在保障任务整体可靠性的同时，降低终端设备的能量消耗。
[0017]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0018]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0019]图1是本专利技术实施例的基于可靠性感知的边缘计算方法流程图；
[0020]图2为本专利技术的系统架构图；
[0021]图3为本专利技术的改进混合鲸鱼优化算法的流程图；
[0022]图4为本专利技术的功率控制和资源计算方法的流程图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]图1是本专利技术实施例的基于可靠性的边缘计算卸载与资源分配方法流程图，如图1
所示，所述方法包括：
[0025]S1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；
[0026]在本专利技术实施例中，如图2所示，工业互联网户外监测场景下，终端设备产生大量计算密集和时延敏感型任务，边缘服务器为这些任务提供计算资源，通过共享空闲资源缓解终端设备计算能力、电池能量以及存储能力不足；本专利技术中，考虑在工业互联网室外环境监测场景下的边缘计算系统，多个物联网设备以及单个基站的场景，工业物联网设备产生的数据量非常庞大，对任务进行处理时会导致芯片过热影响性能，并且也可能通信链路的不稳定导致通信能力下降，如图1中假设具有多个时延敏感、计算密集型任务的工业物联网设备以及物联网中继器N，单个边缘服务器M。同时计算任务表述为其中D表示任务输入大小，C表示计算每比特任务所需CPU周期数，T
max
表示任务容忍时延。
[0027]S2：在步骤S1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信模型；根据计算时延和计算能耗，建立计算模型；
[0028]在本专利技术实施例中，当本地计算无法达到任务所需性能要求时，部分任务由本地设备上传到边缘服务器进行并行处理，计算卸载过程表述为本地设备首先将任务卸载到边缘服务器进行处理，然后待任务计算完成后，将计算结果返回终端设备。因此，根据香农公式，任务传输速率可表述为：
[0029][0030]其中，B表示信道带宽；P
i
表示设备i的发射功率；σ2表示噪声功率；g
i...

【技术保护点】

【技术特征摘要】
1.一种可靠性感知的边缘计算方法，其特征在于，该方法具体包括以下步骤：S1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；S2：在步骤S1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信模型；根据计算时延和计算能耗，建立计算模型；S3：根据温度和信噪比，将计算模型和通信模型建立为计算可靠性模型和通信可靠性模型；S4：根据计算可靠性模型和通信可靠性模型，建立以时延和可靠性为约束条件，以所有设备能耗最小化为优化目标的优化问题；S5：将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题，采用步骤S6～步骤S7进行交替迭代求解；S6：通过凸优化理论以及拉格朗日方法求解所述卸载比率子问题，得出最优的卸载决策；S7：通过改进混合鲸鱼优化算法求解功率控制子问题和计算资源子问题，得出最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策。2.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S1中可靠性边缘计算系统框架具体包括构建具有多个时延敏感、计算密集型任务的工业物联网设备以及物联网中继器N，单个边缘服务器M；计算任务表述为其中D表示任务输入大小；C表示计算每比特任务所需CPU周期数；T
max
表示任务容忍时延；当本地计算无法达到任务所需性能要求时，部分任务由本地设备上传到边缘服务器进行并行处理，计算卸载过程表述为本地设备首先将任务卸载到边缘服务器进行处理，然后待任务计算完成后，将计算结果返回终端设备。3.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S2具体包括：通信模型：通信模型：其中，T
itr
表示设备i在任务卸载时的传输时延；λ
i
表示设备i的任务比率大小；D表示任务输入大小；R
i
表示设备i的任务传输速率；表示设备i在任务卸载时的传输能耗；P
itr
表示设备i在任务卸载时的发射功率；计算模型：任务计算时延表示为：任务在本地进行处理产生的时延和能耗分别表示为：
设备的总时延和总能耗分别表示为：设备的总时延和总能耗分别表示为：其中，T
imec
表示卸载到边缘服务器的设备i的任务计算时延；f
im
为设备i的边缘服务器的CPU周期频率；T
il
表示设备i在本地进行处理产生的时延；C表示计算每比特任务所需CPU周期数；f
il
表示设备i的CPU周期频率；表示设备i在本地进行处理产生的能耗；k表示有效电容系数；T
total
表示设备的总时延；U表示设备集合；E
total
表示设备的总能耗。4.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S3具体包括：计算可靠性表示为：通信可靠性表示为：其中，P
reliable
表示计算可靠性模型，Pr(
·
)表示概率函数；k表示有效电容系数；f
il
表示设备i的CPU周期频率；参数h
air
,A,T
chip
,T
sur
,T
safe
,T
env
,c
chip
,m,t依次表示为空气对流换热系数、散热片面积、芯片温度、设备表面温度、安全温度、环境温度、初始温度、芯片比热、芯片质量和任务计算时间；z表示控制参数，为常数；λ
i
表示设备i的任务卸载比率，γ表示信道增益服从参数，γ
th
表示信噪比阈值。5.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S4中，所建立的优化问题如下所示：P:s.t.C1:C2:C3:
C4:C5:C6:Pr[T
sur
(t)<T
safe
]
·
Pr(γ≥γ
th
)≥ψC7:其中，P表示传输功率；λ表示任务卸载比率；f表示CPU周期频率；U表示设备集合；表示设备i在本地进行处理产生的能耗；表示设备i在任务卸载时的传输能耗；C1表示用户发射功率约束，P
i
表示设备i的发射功率；P
im...

【专利技术属性】
技术研发人员：李职杜，张靖珏，
申请(专利权)人：重庆邮电大学空间通信研究院，
类型：发明
国别省市：