D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统技术方案

本发明专利技术涉及属于移动通信中的边缘计算技术领域，公开了一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法及系统，考虑五种任务卸载模式，并进一步将任务卸载和服务缓存的联合优化问题表示为马尔可夫决策问题，利用改进的MAPPO算法训练模型，并据此获取最佳的任务卸载和资源分配策略，联合优化系统包括网络模块、服务缓存模块、任务卸载模块，网络模块包括云服务器、边缘服务器和终端设备。本发明专利技术实现了最小化系统时延和能耗。

【技术实现步骤摘要】

本专利技术涉及属于移动通信中的边缘计算，具体的说是涉及一种d2d辅助mec网络中的服务缓存和任务卸载联合优化方法及系统。

技术介绍

1、随着物联网的迅猛发展和智能移动终端的爆炸式增长，以计算密集型和延迟敏感型为特点的新型应用任务不断涌现。受限于移动设备有限的体积、算力、存储和电池容量等，移动终端在处理新型应用任务时，比如虚拟/增强现实、自动驾驶等，通常存在时延高、能耗高等问题。为了实现网络边缘的超大容量、超低时延、超高带宽和超低能耗处理愿景，移动边缘计算(mec, mobile edge computing)作为一种先进的计算范式被提出，并迅速得到广泛研究。

2、计算任务智能卸载策略对于有效利用边缘服务器中的计算资源至关重要。现有工作中的假设前提条件是边缘服务器可以处理从移动终端设备卸载的任意类型的计算任务，即可以为用户请求的各种服务比如图像识别、行为监测等都能提供最优的服务质量。但由于边缘服务器的存储资源有限，同时存储所有服务实际上是不可行的。基于这个实际的前提条件，应该仔细决定各边缘服务器的服务缓存如缓存与服务对应的软件程序代码和数据库，这本文档来自技高网...

【技术保护点】

1.一种D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法，其特征在于：该方法通过服务缓存和任务卸载联合优化系统实现，所述服务缓存和任务卸载联合优化系统包括网络模块、服务缓存模块、任务卸载模块，所述网络模块包括云服务器、边缘服务器和终端设备，具体的，所述服务缓存和任务卸载联合优化方法包括以下步骤：

2.根据权利要求1所述的D2D辅助MEC网络中的服务缓存和任务卸载联合优化方法，其特征在于：所述步骤3具体为：当任务被卸载时，数据流量将首先被传输到边缘服务器或除去产生计算任务的终端设备，然后由边缘服务器或除去产生计算任务的终端设备，卸载模式被定义为，其中表示本地计算模式、D2...

【技术特征摘要】

1.一种d2d辅助mec网络中的服务缓存和任务卸载联合优化方法，其特征在于：该方法通过服务缓存和任务卸载联合优化系统实现，所述服务缓存和任务卸载联合优化系统包括网络模块、服务缓存模块、任务卸载模块，所述网络模块包括云服务器、边缘服务器和终端设备，具体的，所述服务缓存和任务卸载联合优化方法包括以下步骤：

2.根据权利要求1所述的d2d辅助mec网络中的服务缓存和任务卸载联合优化方法，其特征在于：所述步骤3具体为：当任务被卸载时，数据流量将首先被传输到边缘服务器或除去产生计算任务的终端设备，然后由边缘服务器或除去产生计算任务的终端设备，卸载模式被定义为，其中表示本地计算模式、d2d计算模式、边缘服务器计算模式、边缘协作计算模式和云服务器计算模式，本地计算模式为终端设备产生计算任务，没有传输时延，网络模块计算对应的五种任务卸载模式下的任务传输时延及传输能耗具体包括以下步骤：

3.根据权利要求2所述的d2d辅助mec网络中的服务缓存和任务卸载联合优化方法，其特征在于：所述步骤4中计算模式表示为，令，确保只选择一个计算节点来处理任务，其中，表示任意任务，表示表示所有任务集合，具体的，对于终端设备所产生的任务在五种卸载决策下所需计算时延及能耗包括以下步骤：

4.根据权利要求3所述的d2d辅助mec网络中的服务缓存和任务卸载联合优化方法，其特征在于：在所述步骤5中，

5.根据权利要求1所述的d2d辅助mec网络中的服务缓存和任务卸载联合优化方法，其特征在于：所述步骤6中优化目标建模是指基于...

【专利技术属性】
技术研发人员：步琪慧，周沂，王宇翱，程瑶，郭永安，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：