[0060] 以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
[0061] 本发明的目的是针对现有技术的缺陷,提供了一种基于移动边缘计算的计算卸载方法。
[0062] 实施例一
[0063] 本实施例提供一种基于移动边缘计算的计算卸载方法,如图1所示,包括步骤:
[0064] S1.建立系统模型,得到用户任务的本地计算时延和计算卸载时延;
[0065] S2.根据得到的本地计算时延和计算卸载时延计算任务的平均时延,并根据计算得到的平均时延建立计算卸载、带宽及计算资源分配的联合优化模型;
[0066] S3.建立基于所述联合优化模型的原优化问题模型;
[0067] S4.采用联合计算卸载、带宽及计算资源分配的优化算法来求解原优化问题模型中的原优化问题。
[0068] 本实施例适用于移动边缘计算网络,系统模型如图2所示。在该网络中具有K个用户和一个基站BS,所有节点都只有一根天线。其中BS与MEC服务器合置以向用户提供计算卸载服务,用户的计算数据可以按位任意划分,用于部分本地计算和部分卸载。
[0069] 在步骤S1中,建立系统模型,得到用户任务的本地计算时延和计算卸载时延。
[0070] 建立系统模型,推导出用户任务的本地计算时延以及计算卸载时延的表达式。
[0071] 其中,用户任务的本地计算时延为:
[0072]
[0073] 其中, 表示用户uk用于本地计算的任务大小,单位为bit,所有用户的卸载决策表示为集合 Ck表示完成每一个bit所需的CPU周期数; 表示用户uk的本地计算能力,即每秒钟可提供的CPU周期数。
[0074] 对于用户uk的任务卸载部分,计算时间 可分为三部分:任务的上传时间 在MEC处的计算时间 任务计算完成后的下载时间 因此,用户的计算卸载时延为:
[0075]
[0076] 其中,Dk表示用户uk用于本地计算的任务大小,单位为bit;表示用户uk的任务上传速率;Pk表示用户uk的发射功率;hk表示用户uk与基站BS之间的信道增益;n0表示加性高斯白噪声的功率;集合α={α1,α2,L,αK}表示系统带宽分配策略,αk∈[0,
1]表示系统带宽的归一化比例系数; 表示任务完成后的下载速
率;PM表示基站BS的发射功率;βk表示计算任务的输出与输入比率;移动边缘计算服务器计算资源的分配策略表示为集合 表示移动边缘计算MEC服
务器分配给用户uk的计算速率。
[0077] 在步骤S2中,根据得到的本地计算时延和计算卸载时延计算任务的平均时延,并根据计算得到的平均时延建立计算卸载、带宽及计算资源分配的联合优化模型。
[0078] 在本实施例中,基于复杂的部分卸载模型,以最小化用户完成计算任务的平均时延为目标函数,建立了计算卸载、带宽及计算资源分配的联合优化模型。
[0079] 具体为基于部分卸载模型,考虑任务为并行模式,即可同时执行本地计算任务和计算卸载任务,因此,用户uk完成任务所需的时间为:
[0080]
[0081] 其中,tk表示完成任务所需的时间。
[0082] 本实施例主要考虑在系统带宽,MEC服务器计算资源有限的情况下,如何制定用户卸载策略以及系统资源的合理分配以最小化用户完成任务的平均时延。
[0083] 因此,建立计算卸载、带宽及计算资源分配的联合优化模型为:
[0084]
[0085]
[0086]
[0087]
[0088]
[0089]
[0090] 其中, 表示系统资源分配的非负性;表示系统总带宽的容量约束; 表示移动边缘计算MEC服务器计
算资源的容量约束,其中,FMEC表示边缘服务器每秒钟提供的最大CPU周期数;
表示任务的本地计算部分不得大于原任务大小。
[0091] 在步骤S3中,建立基于所述联合优化模型的原优化问题模型。
[0092] 在本实施例中,由于联合优化问题为一多变量强耦合的非凸非线性规划问题,所以将原始优化问题分解为以下两个子问题:(1)在系统带宽和计算资源分配方案给定的情况下求解用户最佳的卸载决策(即计算卸载决策问题);(2)基于给定的卸载决策,求解通信资源和计算资源的联合资源分配问题(即无线带宽和计算资源的联合分配问题)。
[0093] 在资源分配方案给定的情况下用户最佳的卸载决策计算方法如下:
[0094] 当带宽比例系数α和计算资源分配策略F两者都确定时,计算卸载决策子问题可以重写如下:
[0095]
[0096]
[0097] 根据计算卸载决策优化问题,得到用户的最终卸载决策为:
[0098] Dloc*={M1,M2,L,MK} (7)
[0099] 其中,
[0100]
[0101]
[0102] 其中,Dloc*表示计算卸载策略。
[0103] 通信资源和计算资源的联合资源分配问题的计算方法如下:
[0104] 对于已有的卸载决策,系统资源分配子问题可以重新表示为:
[0105]
[0106]
[0107] 根据无线带宽和计算资源的联合分配优化问题,得到最终无线带宽和计算资源的联合分配策略分别为:
[0108]
[0109]
[0110] 其中
[0111]
[0112]
[0113] 其中,αk*表示无线带宽的联合分配策略; 表示计算资源的联合分配策略。
[0114] 在步骤S4中,采用联合计算卸载、带宽及计算资源分配的优化算法来求解原优化问题模型中的原优化问题。
[0115] 在本实施例中,基于对子问题的求解,提出了一种联合计算卸载、带宽及计算资源分配的优化算法(JOCBA)来求解原优化问题。
[0116] 具体包括:
[0117] S41.预先选择一组无线带宽α和移动边缘计算MEC服务器的计算资源F,根据公式loc(8)得到任务的计算卸载D ;并设置最大迭代次数为tmax,并初始化迭代索引t=0;
[0118] S42.判断迭代索引值t是否小于最大迭代次数tmax;若否,则执行步骤S46;若是,则执行步骤S43;
[0119] S43.根据得到的任务计算卸载策略Dloc,并根据公式(12)、公式(13),求得无线带* *宽策略α和移动边缘计算MEC服务器的计算资源策略F;
[0120] S44.将求得的α*和F*带入公式(8)中,得到计算卸载策略Dloc*;
[0121] S45.更新迭代索引值t,并执行步骤S42;
[0122] S46.输出计算卸载策略Dloc*、无线带宽策略α*、移动边缘计算MEC服务器的计算资*源策略F。
[0123] 具体为,为了求解步骤S3中的联合优化问题,首先要随机选择满足约束条件的一loc组α和F,根据公式(8)求解出对应的最佳任务卸载策略D 。其次先解决资源分配子问题。当所有用户的卸载决策都确定时,MEC服务器可以收集用户的任务卸载量,然后根据公式(14)和(15)分别计算出Nk和M的值。基于上述对资源分配子问题的分析求解,将Nk的值代入公式*
(12),将M的值代入公式(13)就可以求解出最佳的资源分配方案,即αk和
[0124] 当资源分配子问题解决后,考虑每个用户在此情形下的最佳卸载决策。由于每个用户的卸载决策是相互独立的,所以用户只需要收集MEC服务器的发射功率信息,就可以确*定自身的计算卸载方案。具体的有:用户将上述求解出的αk和 代入公式(8)中,得到用loc*
户最佳的卸载决策D ={M1,M2,L,MK}。
[0125] 重复上述子问题的求解过程,直至用户计算卸载决策和系统资源分配策略保持不变,则表示本发明提出的算法已经收敛,系统达到了最优。
[0126] 本实施例还对提出的JOCBA算法进行了收敛性仿真,假定系统总带宽B=1MHz,加性高斯白噪声的功率n0=‑100dBm,用户数量K=25,均匀分布在基站的覆盖区域内。假设每个用户uk的本地计算速度 在集合{0.1,0.2,L,1.0}GHz中均匀选择,信道增益hk相互独立,且在[‑50,‑30]dBm之间服从均匀分布。同时任务大小Dk∈[10,100]KB,不同用户的Dk相互独立且服从均匀分布。每bit所需的CPU数Ck∈[500,4000],不同用户之间的Ck相互独立且服从均匀分布。用户的发射功率设为常数Pk=0.1W,基站发射功率为PM=1W,βk=0.2。并设置了三个不同的FMEC值进行了比较,分别为:FMEC=50GHz,FMEC=100GHz,FMEC=150GHz,如图3所示。从图中可以看出,用户的平均时延随着FMEC值的增大而减小,这是因为FMEC的值越大,每个用户所分配到的计算资源就越多,平均时延自然就越小。但是,不管FMEC值取多少,本发明提出的JOCBA算法都能在10次以内的迭代中快速收敛,这满足了用户对于系统快速响应的需求。
[0127] 与现有技术相比,本实施例具有以下优点:
[0128] 1.本发明考虑了不同用户任务之间的差异性和MEC服务器计算容量有限的情况,以最小化用户平均时延为目的,建立了联合优化部分任务卸载、带宽以及计算资源分配问题模型。实现更加现实场景下,用户任务卸载决策、通信资源和计算资源三者的自适应匹配。
[0129] 2.在本发明中,由于优化问题为一多变量强耦合的非凸非线性规划问题,非常难以求解。所以将强耦合的联合优化问题分解为两个子问题,并提出了一种联合计算卸载、带宽及计算资源分配的优化算法(JOCBA)来求解,该算法能快速收敛。
[0130] 注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。