[发明专利]一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法

权利要求书

1.一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法，其特征在于：所述移动边缘计算超密集网络在M个相邻的蜂窝小区附近部署一台边缘云服务器(ECS)，所述边缘云服务器能提供的业务计算能力为F_s，并内置一个决策单元，所述决策单元收集终端相关信息、可用通信资源信息和可用计算资源信息，根据终端请求执行任务迁移决策与资源优化配置，在蜂窝小区m∈M的中心部署一台基站b_m,m∈M，所述基站通过有线链路连接到所述边缘云服务器，与边缘云服务器连接的所有基站M拥有相同频谱B₀，基站b_m,m∈M将频谱B₀等分为带宽为B的K个信道，N个终端通过无线链路与所在蜂窝小区基站连接，所述终端采用正交频分多址(OFDMA)接入所在蜂窝小区基站，将所述终端划分为计算请求终端集N₁和通信请求终端集N₂，所述计算请求终端集N₁中的终端n∈N₁的计算能力和电池容量有限，其计算密集型任务或时延敏感型任务必须经由所在蜂窝小区基站b_m,m∈M和有线链路迁移到所述边缘云服务器中处理；所述通信请求终端集N₂中的终端n∈N₂的通信任务有最小通信速率要求，由所在蜂窝小区基站b_m,m∈M分配信道和功率，但不涉及任务迁移；

该方法包括以下步骤：

步骤1、任务迁移决策与资源配置优化模型建立：

以计算请求终端集N₁中所有终端的任务迁移成本和最小为目标，建立任务迁移决策与资源配置优化模型：

s.t.C1:

C2:

C3:

C4:0＜p_n≤p_max,n∈N

C5:

C6:

C7:

其中，为目标函数，a_n＝(0,1],n∈N₁为计算请求终端n的权重，为计算请求终端n的任务迁移成本，γ_t,γ_e∈[0,1]分别为计算请求终端n对任务迁移处理时延和能耗的偏好度，计算请求终端n的任务迁移处理时延T_n和能耗E_n分别为：

L_n,i为计算请求终端n的任务迁移比特数，X_n为任务复杂度(CPU指令周期数/比特)，R_n为终端n∈N的通信速率，信道配置决策x_n(m,k)＝1表示为用户n分配小区m的信道k，功率配置决策P＝{p₁,p₂,…p_N}，p_n,n∈N为给用户n分配的功率，计算资源配置决策f_n,n∈N₁为给计算请求终端n分配的计算能力，R_min为通信请求终端所需的最小通信速率，约束条件C1和C2表示为每个终端分配一条信道；C3表示任意信道只允许一个用户接入；C4表示功率约束；C5表示通信请求终端最小通信速率约束；C6表示为计算请求终端分配的计算能力，C7表示分配给计算请求终端的计算能力和不大于边缘云服务器能提供的业务计算能力；

步骤2、任务迁移决策与资源配置优化模型分解：

将优化模型分解为计算资源配置优化模型以及联合信道配置与功率配置优化模型

步骤3、计算请求终端计算资源配置：

基于KKT条件求解计算资源配置优化模型CP，得到计算请求终端集N₁中所有终端的计算资源最优配置，即输出计算资源配置决策其中，

步骤4、联合信道配置与功率配置：

将优化模型再分解为信道配置与功率配置，首先固定功率配置执行信道配置，然后以信道配置为基础执行功率配置，最后再以功率配置为基础调整信道配置，交替迭代，直到获得所有终端N的信道和功率次优配置；

步骤4.1、信道配置：固定功率配置执行信道配置，作为交替迭代的初始点；

步骤4.2、功率配置：以信道配置为基础执行功率配置，首先设置接入相同信道的计算请求终端和通信请求终端的功率分别相等，然后搜索计算请求终端的功率范围，确定该信道配置下最小化目标函数的功率配置；

步骤4.3、信道重配置：以功率配置为基础调整信道配置，终端循环接入其他信道，选择最小化目标函数对应的信道；

步骤4.4：输出所有终端N的功率配置决策P＝{p₁,p₂,…p_N}和信道重配置决策

所述固定功率配置p_n＝p_max,n∈N，p_max为终端最大发射功率，决策单元利用收集到的终端相关信息、可用通信资源信息和可用计算资源信息计算各终端的有效载干比(EIR)，终端n在小区m的信道k上的有效载干比为小区r的同信道终端n与基站m之间的信道增益，所述信道配置由以下步骤组成：

步骤4.1.1、通信请求终端信道配置：

步骤4.1.1.1、初始化标记flag＝1，寄存器EC、CoUsr和UoCh的内容为0，其中，EC保存每条信道k∈K当前接入终端的EIR值，CoUsr保存用户n∈N₂当前接入的信道序号，UoCh保存每条信道k∈K接入的终端序号；

步骤4.1.1.2、对于计算在小区m∈M的信道k∈K上的有效载干比并存入EC，EC(m,k),m∈M,k∈K，搜索EC中最大者max{EC(m,k)}＝EC(m^*,k^*)，将信道(m^*,k^*)分配给通信请求终端n，即x_n(m^*,k^*)＝1，更新CoUsr(：,n)＝(m^*；k^*)和UoCh(m^*,k^*)＝n；对未分配信道(m≠m^*,k≠k^*)，更新CoUsr(1,UoCh(m,k))＝0；

步骤4.1.1.3、当min(CoUsr)＞0时，更新标记flag＝0；

步骤4.1.1.4、若flag＝1，跳转至步骤4.1.1.2；否则，进入步骤4.1.1.5；

步骤4.1.1.5、计算通信速率R_n＝Blog₂(1+γ_m,n,k)，γ_n,m,k表示基站m接收用户n通过信道k传输的信干噪比(SINR)，

其中，h_n,m,k为终端n与基站m之间在信道k上的信道增益，决策单元通过信道估计获得，为小区r中同信道终端n与小区m中终端n间的信道增益；为加性高斯白噪声功率；

步骤4.1.1.6、若R_n≥R_min,n∈N₂，通信请求终端信道配置成功，跳转至步骤4.1.1.8，否则，

步骤4.1.1.7、通信请求终端信道配置失败，无法完成通信请求终端请求，通信请求终端信道配置算法结束；

步骤4.1.1.8、输出通信请求终端信道配置决策：

通信请求终端信道配置算法结束；

步骤4.1.2、计算请求终端信道配置：

步骤4.1.2.1、初始化标记flag＝1，寄存器EC、CoUsr和UoCh的内容为0，其中，EC保存每条信道k∈K当前接入终端的EIR值，CoUsr保存用户n∈N₁当前接入的信道序号，UoCh保存每条信道k∈K接入的终端序号；

步骤4.1.2.2、对于计算在小区m∈M的信道k∈K上的有效载干比并存入EC，EC(m,k),m∈M,k∈K，搜索EC中最大者max{EC(m,k)}＝EC(m⁰,k⁰)，将信道(m⁰,k⁰)分配给通信请求终端n，即x_n(m⁰,k⁰)＝1，更新CoUsr(：,n)＝(m⁰；k⁰)和UoCh(m⁰,k⁰)＝n；对未分配信道(m≠m⁰,k≠k⁰)，更新CoUsr(1,UoCh(m,k))＝0；

步骤4.1.2.3、当min(CoUsr)＞0时，更新标记flag＝0；

步骤4.1.2.4、若flag＝1，跳转至步骤4.1.2.2；否则，进入步骤4.1.2.5；

步骤4.1.2.5、输出计算请求终端信道配置决策：

计算请求终端信道配置算法结束；

步骤4.1.3、输出所有终端的信道配置决策G^b＝G^c∪G^o；

所述功率配置的原则为接入相同信道的计算请求终端和通信请求终端的功率分别相等，即同信道同类型终端等功率配置(equal power configuration for co-channel andthe same type terminals,EPC)，所述功率配置包括以下步骤：

步骤4.2.1、设置功率调整步进λ，初始化J_now＝0,J^sub＝∞，输入信道配置决策G^b；

步骤4.2.2、根据G^b统计接入该信道的终端分别为接入该信道的计算请求终端子集和通信请求终端子集，计算请求终端和通信请求终端功率配置分别为和其中，

步骤4.2.3、若跳转至步骤4.2.4；若计算当前计算请求终端的任务迁移成本和：

如果更新信道k的任务迁移成本和接入信道k的计算请求终端和通信请求终端的功率配置为和更新

步骤4.2.4、计算所有信道的任务迁移成本和

步骤4.2.5、输出所有终端的功率配置决策和所有信道的任务迁移成本和J；

所述信道重配置的原则为每次调整一个终端的分配信道，循环接入其他信道，若接入信道为其他终端占用信道，该终端与占用该信道的终端交换信道；若接入信道为空闲信道，直接切换信道，所述信道重配置包括以下步骤：

步骤4.3.1、初始化J_now＝0，输入所有终端的信道配置决策G^b、功率配置决策P和所有信道的任务迁移成本和J；

步骤4.3.2、若信道(m,k)空闲，执行切换信道操作switch(n,(m,k))，否则，执行交换信道操作exchange(n,(m,k))，信道重配置后的临时信道配置决策为G^t；

步骤4.3.3、计算通信速率R_n＝Blog₂(1+γ_m,n,k)，若R_n＜R_min，通信请求终端信道重配置失败，跳转至步骤4.3.5；否则，计算当前计算请求终端的任务迁移成本和J_now；

步骤4.3.4、若J_now＜J，更新信道配置决策G＝G^t和所有信道的任务迁移成本和J＝J_now，否则，G＝G^b；

步骤4.3.5、输出所有终端的信道重配置决策G。