一种面向移动边缘计算的低时延任务分解与卸载方法技术

本发明专利技术公开了一种面向移动边缘计算的低时延任务分解与卸载方法，该方法首先用户在本地将给定的计算任务分解多个子任务

【技术实现步骤摘要】
一种面向移动边缘计算的低时延任务分解与卸载方法


[0001]本专利技术涉及一种面向移动边缘计算的低时延任务分解与卸载方法，属于无线通信

。

技术介绍

[0002]新兴的移动物联网应用
(
例如，自动驾驶
、
增强
/
虚拟现实
)
需要执行具有严格延迟要求的计算密集型任务
。
鉴于移动设备的处理能力有限，及时完成这些任务是一项挑战
。
移动边缘计算
(MEC)
是支持延迟敏感物联网应用的一种很有前途的解决方案
。
[0003]移动边缘计算
(MEC)
网络中任务分解和任务卸载的方法就是通过在网络边缘部署
MEC
服务器，例如，靠近基站
(BSs)
或接入点
(AP)
，移动用户可以将其计算任务分解然后卸载到附近的
MEC
服务器，以便快速处理
。
近年来，随着
5G
网络的部署，数百亿移动设备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向移动边缘计算的低时延任务分解与卸载方法，其特征在于，所述方法具体包括以下步骤：步骤1：用户在本地使用水平分解将给定的计算任务分解为多个子任务；步骤2：用户确定独立子任务以及顺序依赖子任务的最优任务分配比例；步骤3：在任务分配比例获得最优解的基础上，用户在本地决定每个子任务的具体卸载方案，执行卸载过程
。2.
根据权利要求1所述的一种面向移动边缘计算的低时延任务分解与卸载方法，其特征在于，所述方法扩展了任务分配的概念，允许对单个任务进行分区，考虑了给定任务的子任务之间的依赖关系，根据不同的依赖关系结构推导出了最优的任务分配比例
。3.
根据权利要求1所述的一种面向移动边缘计算的低时延任务分解与卸载方法，其特征在于，所述步骤1中将给定的计算任务分解为子任务的多个部分，具体步骤包括：步骤1‑1：对于需要处理大量数据的应用程序，确定应用程序的计算任务；步骤1‑2：根据数据条目或对象对给定的计算任务进行任务分解
。4.
根据权利要求1所述的一种面向移动边缘计算的低时延任务分解与卸载方法，其特征在于，所述步骤2中确定独立子任务和顺序依赖子任务的最优任务分配比例，具体步骤包括：步骤2‑1：计算
UEk(
第
k
个移动用户设备
)
的子任务在本地设备
、ENj(
第
j
个边缘节点
)
和云服务器上完成的总耗时，表达式为：云服务器上完成的总耗时，表达式为：云服务器上完成的总耗时，表达式为：其中，分别为本地
UE
计算时间
、
边缘服务器计算时间
、
云服务器计算时间；分别为从
UEk
到
ENj
的卸载时间
、
通过
ENj
将
UEk
的子任务卸载到云服务器所需的总时间；步骤2‑2：由于子任务是独立的，它们可以并发执行，因此，完成整个任务的延迟时间为最近完成部分的延迟时间，所以，计算独立子任务的延迟时间的表达式为：其中，
x
k,j
为移动用户设备
UEk
和边缘节点
ENj
的关联关系对应的二进制变量；步骤2‑3：应用上述表达式，计算独立子任务中
UEk
的最优任务分配比表达式为：
其中
W
为每个
EN
的接入信道带宽；
Q
j
为与
ENj
关联的
UE
数量，即
ENj
的流量负载；为
UEk
的计算能力；为
ENj
的计算能力；云服务器为
UEk
提供固定的计算能力；
s
k
为输入数据的大小
(
以位为单位
)
；
z
k
为计算复杂度
(
以执行任务的一个位所需的
CPU
周期数表示
)
；
M
j
为
UEk
到
ENj
上行链路的上行信噪比
(SINR)
；步骤2‑4：在得到
UEk
的最优任务分配比的基础上，根据
[x
k,j
]
j∈J
，可以得到独立子任务的最优任务分配比
α
k,
[
β
k,j
]
j∈J,
[
γ
k,j
]
j∈J
；其中，
[x
k,j
]
j∈J
为移动用户设备
UEk
和边缘节点
ENj
的关联关系对应的二进制变量矩阵；步骤2‑5：接下来讨论顺序依赖子任务，由于开始阶段的子任务分配给本地设备执行，一旦本地设备开始执行，它也开始在同一时间卸载其余的子任务到
EN
；本地设备完成子任务后，将输出发送给
EN
；在接收到输出后，
EN
开始执行中间阶段的子任务；同时，
...

【专利技术属性】
技术研发人员：王皓天，王思洋，丁凌晖，荀位，彭敏鑫，夏思思，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：