一种基于主从博弈的边缘计算任务卸载方法和系统技术方案

本发明专利技术公开了一种基于主从博弈的边缘计算任务卸载方法，包括：边缘服务器接收来自第i个终端用户待处理任务的参数和终端用户参数，并根据待处理任务的参数和终端用户参数获取第i个终端用户的本地处理时延、任务上行时延、边缘服务器处理时延、本地处理能耗、任务上行能耗，边缘服务器将终端用户和边缘服务器的交互过程建模为主从博弈过程，并基于第i个终端用户的本地处理时延、任务上行时延、边缘服务器处理时延、本地处理能耗、任务上行能耗，获取第i个终端用户以及边缘服务器的优化目标，边缘服务器基于逆向归纳法对第i个终端用户的优化目标进行分析，以得到第i个终端用户的任务卸载量关于带宽的最优解。卸载量关于带宽的最优解。卸载量关于带宽的最优解。

【技术实现步骤摘要】
一种基于主从博弈的边缘计算任务卸载方法和系统


[0001]本专利技术属于边缘计算
，更具体地，涉及一种基于主从博弈的边缘计算任务卸载方法和系统。

技术介绍

[0002]随着5G技术的快速发展，涌现了一大批移动智能设备，而部署于其上的移动应用也日趋多元化，如人脸识别、VR虚拟技术、无人驾驶、健康监控等。然而移动设备由于质量、体积、电池容量等物理约束，无法很好满足这些复杂应用对计算能力、存储空间、通信资源等需求。在此背景下，引入了移动边缘计算的概念。它将计算和存储资源部署在距离用户端更近的边缘服务器，使得业务本地化，大量减少了传送至远端云的任务量，提升用户体验质量的同时，大大降低网络运营开销，具有时延低、安全性高、用户能耗小等优点。移动边缘计算技术已经成为了5G网络的关键技术之一，受到学术界和产业界广泛关注。
[0003]目前，在边缘计算过程中，优化边缘计算任务已成为一个非常重要的研究课题。为了降低移动端的功耗和处理时间，现有普遍采用的优化方法是通过将移动终端的计算任务卸载到边缘服务器。
[0004]然而，当前边缘计算任务卸载方法都存在一些不可忽略的缺陷：第一，当前计算任务卸载方法多为完全卸载，即任务要么全部本地计算，要么将任务全部卸载到边缘服务器端，这种方式可能导致终端设备本地计算资源的浪费；第二，当前多数计算任务卸载方法都假设边缘服务器的计算能力是无限的且没有考虑边缘服务器的经济效益优化，从而一方面会导致脱离实际，若采用不合理的边缘卸载策略，比如大量任务同时被卸载到边缘服务器上，则会造成拥塞，另一方面忽略边缘服务器端，不能刺激边缘服务器最大限度共享其通信和计算资源；第三，现有计算任务卸载方法大多数只优化了计算资源，而忽略不同设备的差异性，对带宽资源进行简单均等分配，这将导致边缘计算系统的整体工作效率低下，因此还需要采用更为合理的策略来对通信资源和计算资源进行联合优化。

技术实现思路

[0005]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于主从博弈的边缘计算任务卸载策略，其目的在于，解决现有计算任务卸载方法由于采用完全卸载，导致终端设备本地计算资源的浪费的技术问题，以及现有计算任务卸载方法一方面会导致脱离实际，容易造成拥塞，另一方面忽略边缘服务器端，不能刺激边缘服务器最大限度共享其通信和计算资源的技术问题，以及现有计算任务卸载方法由于只优化了计算资源，而忽略不同设备的差异性，对带宽资源进行简单均等分配，而导致边缘计算系统的整体工作效率低下，而且需要采用更为合理的策略来对通信资源和计算资源进行联合优化的技术问题。
[0006]为实现上述目的，按照本专利技术的一个方面，提供了一种基于主从博弈的边缘计算任务卸载方法，包括以下步骤：
[0007](1)边缘服务器接收来自第i个终端用户待处理任务的参数和终端用户参数，并根
据待处理任务的参数和终端用户参数获取第i个终端用户的本地处理时延T
iloc
、任务上行时延边缘服务器处理时延T
iexe
、本地处理能耗任务上行能耗其中i表示存在待处理任务的终端用户的序号，且有i∈[1，边缘计算系统中存在待处理任务的终端用户的总数]。
[0008](2)边缘服务器将终端用户和边缘服务器的交互过程建模为主从博弈过程，并基于步骤(1)得到的第i个终端用户的本地处理时延T
iloc
、任务上行时延T
itrans
、边缘服务器处理时延T
iexe
、本地处理能耗任务上行能耗获取第i个终端用户以及边缘服务器的优化目标。
[0009](3)边缘服务器基于逆向归纳法对步骤(2)中得到的第i个终端用户的优化目标进行分析，以得到第i个终端用户的任务卸载量关于带宽的最优解。
[0010](4)边缘服务器根据步骤(2)得到的边缘服务器的优化目标以及步骤(3)得到的第i个终端用户的任务卸载量关于带宽的最优解，采用凸优化方法，得到第i个终端用户的最优任务卸载量和最优带宽以及边缘服务器对第i个终端用户最优带宽定价
[0011](5)边缘服务器根据步骤(4)得到的第i个终端用户的最优带宽最优任务卸载量边缘服务器对第i个终端用户的最优带宽定价获取最终进行任务卸载的终端用户，并对最终进行任务卸载的终端用户进行带宽和计算资源的分配。
[0012]优选地，第i个终端用户的待处理任务的参数包括第i个终端用户的待处理任务的任务大小R
i
，第i个终端用户处理1bit任务所需要的CPU周期数C
i
；终端用户参数包括第i个终端用户的本地CPU频率fi
iloc
；
[0013]第i个终端用户的本地处理时延T
iloc
是根据以下公式进行计算：
[0014]其中D
i
为第i个终端用户的任务卸载量。
[0015]第i个终端用户的任务上行时延T
itrans
是根据以下公式进行计算：
[0016]其中T
i
为终端用户i将任务发送到边缘服务器的无线通信速率，可由香农原理表示为其中B
i
为终端用户i的无线信道带宽，p
i
为终端用户i的发射功率；h
i
为第i个终端用户的信道增益，描述的是信道本身的衰减及衰落特性；σ2为噪声功率谱密度。
[0017]第i个终端用户的边缘服务器处理时延T
iexe
是根据以下公式进行计算：
[0018]其中f
iedge
为边缘服务器分配给终端用户i的任务的计算资源，为了便于分析，此专利技术假设计算资源为平均分配。
[0019]第i个终端用户的本地处理能耗是使用以下公式进行计算：
[0020]其中ε为能量系数，取决于第i个终端用户的芯片结构。
[0021]第i个终端用户的任务上行能耗是使用以下公式进行计算：
[0022][0023]优选地，步骤(2)中基于步骤(1)得到的第i个终端用户的本地处理时延、任务上行时延、边缘服务器处理时延、本地处理能耗、任务上行能耗获取第i个终端用户的优化目标这一过程包括以下子步骤：
[0024](2
‑
1)根据步骤(1)得到的第i个终端用户的本地处理时延T
iloc
、任务上行时延T
itrans
以及边缘服务器处理时延T
iexe
，获取第i个终端用户的最终时延开销T
i
；
[0025](2
‑
2)根据步骤(1)中得到的第i个终端用户的本地能耗传输能耗以及步骤(2
‑
1)中得到的第i个终端用户的最终时延开销T
i
获取第i个终端用户的综合开销函数U
i
；
[0026](2
‑
3)根据步骤(2
‑
2)中得到的第i个终端用户的综合开销函数，并以第i个用户的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于主从博弈的边缘计算任务卸载方法，其特征在于，包括以下步骤：(1)边缘服务器接收来自第i个终端用户待处理任务的参数和终端用户参数，并根据待处理任务的参数和终端用户参数获取第i个终端用户的本地处理时延T
iloc
、任务上行时延T
itrans
、边缘服务器处理时延T
iexe
、本地处理能耗任务上行能耗其中i表示存在待处理任务的终端用户的序号，且有i∈[1，边缘计算系统中存在待处理任务的终端用户的总数]。(2)边缘服务器将终端用户和边缘服务器的交互过程建模为主从博弈过程，并基于步骤(1)得到的第i个终端用户的本地处理时延T
iloc
、任务上行时延T
itrans
、边缘服务器处理时延T
iexe
、本地处理能耗任务上行能耗获取第i个终端用户以及边缘服务器的优化目标。(3)边缘服务器基于逆向归纳法对步骤(2)中得到的第i个终端用户的优化目标进行分析，以得到第i个终端用户的任务卸载量关于带宽的最优解。(4)边缘服务器根据步骤(2)得到的边缘服务器的优化目标以及步骤(3)得到的第i个终端用户的任务卸载量关于带宽的最优解，采用凸优化方法，得到第i个终端用户的最优任务卸载量和最优带宽以及边缘服务器对第i个终端用户最优带宽定价(5)边缘服务器根据步骤(4)得到的第i个终端用户的最优带宽最优任务卸载量边缘服务器对第i个终端用户的最优带宽定价获取最终进行任务卸载的终端用户，并对最终进行任务卸载的终端用户进行带宽和计算资源的分配。2.根据权利要求1所述的基于主从博弈的边缘计算任务卸载方法，其特征在于，第i个终端用户的待处理任务的参数包括第i个终端用户的待处理任务的任务大小R
i
，第i个终端用户处理1bit任务所需要的CPU周期数C
i
；终端用户参数包括第i个终端用户的本地CPU频率f
iloc
；第i个终端用户的本地处理时延T
iloc
是根据以下公式进行计算：其中D
i
为第i个终端用户的任务卸载量。第i个终端用户的任务上行时延T
itrans
是根据以下公式进行计算：其中r
i
为终端用户i将任务发送到边缘服务器的无线通信速率，可由香农原理表示为其中B
i
为终端用户i的无线信道带宽，p
i
为终端用户i的发射功率；h
i
为第i个终端用户的信道增益，描述的是信道本身的衰减及衰落特性；σ2为噪声功率谱密度。第i个终端用户的边缘服务器处理时延T
iexe
是根据以下公式进行计算：其中f
iedge
为边缘服务器分配给终端用户i的任务的计算资源，为了便于分析，此发明假设计算资源为平均分配。第i个终端用户的本地处理能耗是使用以下公式进行计算：
其中ε为能量系数，取决于第i个终端用户的芯片结构。第i个终端用户的任务上行能耗是使用以下公式进行计算：3.根据权利要求1或2所述的基于主从博弈的边缘计算任务卸载方法，其特征在于，步骤(2)中基于步骤(1)得到的第i个终端用户的本地处理时延、任务上行时延、边缘服务器处理时延、本地处理能耗、任务上行能耗获取第i个终端用户的优化目标这一过程包括以下子步骤：(2
‑
1)根据步骤(1)得到的第i个终端用户的本地处理时延T
iloc
、任务上行时延T
itrans
以及边缘服务器处理时延T
iexe
，获取第i个终端用户的最终时延开销T
i
；(2
‑
2)根据步骤(1)中得到的第i个终端用户的本地能耗传输能耗以及步骤(2
‑
1)中得到的第i个终端用户的最终时延开销T
i
获取第i个终端用户的综合开销函数U
i
；(2
‑
3)根据步骤(2
‑
2)中得到的第i个终端用户的综合开销函数，并以第i个用户的任务卸载量为变量，获取第i个终端用户的综合开销函数的等价表达函数U
iuser
：(2
‑
4)根据步骤(2
‑
3)得到的第i个终端用户综合开销函数的等价表达函数U
iuser
，获取第i个终端用户的优化目标P1。4.根据权利要求1至3中任意一项所述的基于主从博弈的边缘计算任务卸载方法，其特征在于，第i个终端用户的最终时延开销T
i
＝max{T
iloc
，T
itrans
+T
iexe
}；第i个终端用户的综合开销函数U
i
等于：其中u
i
为边缘服务器为第i个终端用户的带宽定价，Q
i
为第i个终端用户的带宽大小，表示第i个终端用户的时延因子，表示第i个终端用户的能耗因子，表示第i个终端用户的费用因子；第i个终端用户的综合开销函数的等价表达函数U
iuser
等于：其中x
i
为第i个终端用户的本地计算时延和任务卸载时延相等时的任务卸载量，其值为第i个终端用户的优化目标P1等于：(P1：)(P1：)
其中C1约束表示所有终端用户购买的带宽资源不可超过带宽总容量的约束；C2约束表示所有终端用户计算卸载量不可超过边缘服务器总计算量，其中N表示边缘计算系统中存在待处理任务的终端用户的总数，表示边缘服务器的带宽总资源，表示边缘服务器的计算量总资源；边缘服务器的优化目标P2等于：(P2：)(P2：)其中U
edge
表示边缘服务器的总收益函数。5.根据权利要求4所述的基于主从博弈的边缘计算任务卸载方法，其特征在于，步骤(3)包括以下子步骤：(3
‑
1)边缘服务器基于逆向归纳法，获取步骤(2)中第i个终端用户的综合开销函数关于第i个终端用户的任务卸载量D
i
的分段函数：其中：其中：其中：其中：(3
‑
2)判断是否有0<K
1i
<K
2i
，还是K
1i
<0<K
2i
，还是K
1i
<K
2i
<0，如果0<K
1i
<K
2i
则转入步骤(3
‑
3)，如果K
1i
<0<K
2i
，则转入步骤(3
‑
4)，如果K
1i
<K
2i
<0，则转入步骤(3
‑
5)；(3
‑
3)基于步骤(3
‑
1)得到的分段函数单调递增的性质，获取第i个终端用户的任务卸载量D
i
＝0时，终端用户综合开销为最小值，然后转...

【专利技术属性】
技术研发人员：童钊，张远洋，梅晶，戴龙宝，邓加欣，邓昕，王嘉珂，曾璀彬，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：