【技术实现步骤摘要】
本专利技术涉及网络，更具体地说，它涉及一种基于noma-mec网络的计算任务卸载优化方法。
技术介绍
1、移动边缘计算(mec)可以使计算能力和能量有限的用户将其计算密集型和延迟敏感的任务卸载到网络边缘，从而为用户提供高质量的服务。研究了一种基于非正交多址(noma)的多用户移动边缘计算系统。以获得最小的系统时延和能耗总开销为目的，提出了多用户的任务卸载决策和功率分配问题。为了解决这一混合整数非线性规划问题，提出了一种基于拉格朗日法和遗传算法的联合算法。首先利用拉格朗日法求解功率分配，再利用遗传算法求解任务卸载决策，通过交替优化得到最优解。仿真结果表明，相对于基准方案，所提出的方案可以有效地降低系统总开销并提高任务卸载效率。
2、为了更好地满足大规模卸载服务，需要稳定的无线通信技术将计算任务卸载到边缘服务器，非正交多址(noma)通过在发射端采用非正交传输方式，在接收端通过串行干扰消除(sic,serial interference cancellation)技术实现解调，信道条件好的用户可以消除来自信道条件差的用户的干扰，与传统的正交多址(oma)技术相比，noma将同一信道分配给多个用户，提高系统容量和频谱效率，现有研究从不同方面证明了基于noma的mec网络系统的优越性，但是这些研究都只单独关注时延最小化或能耗最小化的优化问题，忽略了延迟最小化和能耗最小化之间的相互影响，因为系统内时延和能耗相互耦合，所以系统时延降低会导致能耗升高或降低能耗会导致时延变长。
技术实现思路>
1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于noma-mec网络的计算任务卸载优化方法。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于noma-mec网络的计算任务卸载优化方法，所述基于非正交多址(noma)的多用户移动边缘计算(mec)系统模型由一个单天线基站和m个单天线用户组成，基站配备一个边缘服务器；所述计算任务卸载优化方法包括：
4、s1、建立所述基于非正交多址(noma)的多用户移动边缘计算(mec)系统的通信模型、计算模型；
5、s2、构建联合优化任务卸载决策和传输功率分配的最小化系统总开销问题p1,
6、
7、
8、
9、
10、其中，an表示任务卸载决策变量，pn表示用户n的卸载功率。pmax表示最大传输功率；
11、s3、固定任务卸载决策a，将p1转化为只与传输功率有关的优化问题p2，
12、
13、
14、
15、通过松弛变换将非凸问题转换为凸问题，采用拉格朗日法和二分法求出传输功率分配闭式解p；
16、s4、对所述问题p1，代入所求传输功率分配方案p，通过遗传算法得到任务卸载决策a；
17、s5、联合拉格朗日法和遗传算法设计交替优化求解传输功率分配方案p和任务卸载决策a，得到最优卸载决策a*和最优功率分配方案p*；
18、s6、基于最优卸载决策a*和最优功率分配方案p*进行任务卸载计算。
19、所述s1中，所述通信模型如下：
20、m个用户使用noma技术将各自的任务卸载到基站,其中用户n的上行链路卸载速率为：
21、
22、其中，b为频谱带宽；γn表示用户n到基站的信干噪比；pn表示用户n的卸载功率；hn表示用户n到基站的瑞利衰落信道系数；σ2表示信道的噪声功率。
23、所述计算模型如下：
24、每个用户可以选择在本地计算，或者选择卸载到mec服务器计算。当用户选择在本地计算时an＝0，当用户选择卸载到mec计算时an＝1。
25、用户n的本地计算时延为：
26、
27、其中，in表示用户ue n的任务数据量大小(bits)；dn表示计算1bit数据需要的cpu周期数(cycles/bit)；fnl表示用户n的计算能力(cpu频率，cycles/s)。
28、用户n的本地计算能耗为：
29、enl＝pncputnl＝κn(1-an)indn(fnl)2
30、其中，pncpu＝κn(fnl)3为用户n的cpu内核功耗，κn表示用户n每个cpu周期的有效电容系数。
31、用户n的卸载时延为
32、
33、用户n的卸载能耗为
34、
35、所述s2中，所述联合优化任务卸载决策和传输功率分配的最小化系统总开销问题p1建立过程如下：
36、将用户任务执行的时延和能耗的加权和定义为用户的总开销。用户n选择本地计算的总开销表达式为：
37、znl＝γnttnl+γneenl
38、用户n选择mec卸载计算的总开销表达式为：
39、
40、其中，表示计算时延权重因子,表示能耗权重因子，
41、用户n的总开销表达式为：
42、
43、本专利技术以最小化系统总开销为目标，联合优化任务卸载决策和功率分配。故优化问题表述为
44、
45、
46、
47、
48、所述s3中：
49、当a＝a(0)给定时，问题只与传输功率有关，故将问题p1转化为问题p2
50、
51、
52、
53、引入辅助变量αt替换tnoff，将非凸问题p2转化为问题p3：
54、
55、
56、
57、
58、固定αt，问题p3变为凸问题，通过kkt条件求解得到p*
59、
60、因为αt难以得到封闭解，本专利技术通过二分法求解最优的αt
61、求解方法如下：
62、步骤1初始化设置精度ε＝10-4，当前迭代次数i＝0；
63、步骤2将代入p3并求解，得到p[0]和l[0]；
64、步骤3判断是否大于ε，如果大于则执行步骤4，否则输出当前最优解p；
65、步骤4令并代入p3求解，得到p[i]，l[i]；步骤5判断l[i]是否小于l[i-1]，如果是令否则令返回第三步。
66、所述s4中，本专利技术通过改进的遗传算法求解任务卸载决策，具体求解步骤如下：
67、步骤1：初始染色体种群设定：因为在网络模型中有m个用户需要进行任务计算处理，而每个用户都有本地计算和mec卸载计算两种选择方式。将每一个用户的卸载方式定义为一个基因，每个基因只有0(用户选择本地计算)，1(用户选择mec卸载计算)两种选择。m个基因组成一条染色体，即m个用户的任务卸载决策。本专利技术将初始染色体种群设定为2m；
68、步骤2：确定适应度函数。遗传算法的适应度函数用来评估每个个体的适应性，本文档来自技高网...
【技术保护点】
1.一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述基于非正交多址(NOMA)的多用户移动边缘计算(MEC)系统模型由一个单天线基站和M个单天线用户组成，基站配备一个边缘服务器；所述计算任务卸载优化方法包括：
2.根据权利要求1所述的一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述S1中，所述通信模型如下：
3.根据权利要求1所述的一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述S2中，所述联合优化任务卸载决策和传输功率分配的最小化系统总开销问题P1建立过程如下：
4.根据权利要求1所述的一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述S3中：
5.根据权利要求1所述的一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述S4中，本专利技术通过改进的遗传算法求解任务卸载决策，具体求解步骤如下：
6.根据权利要求1所述的一种基于NOMA-MEC网络的计算任务卸载优化方法，其特征在于：所述S5中，联合拉格朗日法和遗传算法的交替优化解
...【技术特征摘要】
1.一种基于noma-mec网络的计算任务卸载优化方法，其特征在于：所述基于非正交多址(noma)的多用户移动边缘计算(mec)系统模型由一个单天线基站和m个单天线用户组成，基站配备一个边缘服务器；所述计算任务卸载优化方法包括：
2.根据权利要求1所述的一种基于noma-mec网络的计算任务卸载优化方法，其特征在于：所述s1中，所述通信模型如下：
3.根据权利要求1所述的一种基于noma-mec网络的计算任务卸载优化方法，其特征在于：所述s2中，所述联合优化任务卸载决策和传输功率...
【专利技术属性】
技术研发人员：彭醇陵，吕源翥，黄丽雯，赵明富，陈婷婷，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。