[发明专利]一种基于边缘计算和云计算协同进行计算任务卸载的方法

权利要求书

1.一种基于边缘计算和云计算协同进行计算任务卸载的方法，其特征在于，其在依序分层建立一对多映射连接结构关系的远端云、边缘节点和移动终端上实现，所述方法包括以下步骤：

步骤S1、设定变量参数及其对应的初始化值；其中，所述变量参数包括移动终端总数n，每一移动终端的本机计算能力C_i及其对应的本机执行浮点计算的能耗功率P_i^c、通过无线网络传输数据到无线接入点的信号传输功率P_i^up、通过无线网络分配的上行无线带宽及下行无线带宽边缘节点分配的计算资源以及边缘节点的计算能力C_edge和远端云的计算能力C_cloud；i,n均为正整数，且i＝{1,2,...,n}；

步骤S2、依据移动终端i的当前任务量λ_i对应分配给终端本机、边缘节点及远端云的任务执行量的迁移分配原则，并根据所述变量参数及其初始化值，构建出移动终端i、边缘节点和远端云各自与对应分配的任务执行量分别关联的时延模型和能耗模型，且进一步根据所构建的移动终端i、边缘节点和远端云各自对应的时延模型和能耗模型，得到移动终端i当前任务量λ_i的全部任务卸载执行时的时延期望值模型和总能耗模型；

步骤S3、根据所得到的移动终端i当前任务量λ_i的全部任务卸载执行时的时延期望值模型和总能耗模型，得到总移动终端n中所有任务卸载执行时的时延期望值模型和总能耗模型；

步骤S4、定义出与移动终端任务量及边缘节点计算能力相关联的最优分配问题，并以最小总能耗为基础目标及最小时延为关键指标，根据所得到的n个总移动终端的所有任务卸载执行时的时延期望值模型和总能耗模型，将所述最优分配问题转换为目标函数及对应约束条件，且进一步将所述目标函数及约束条件转化为凸优化问题；

步骤S5、引入拉格朗日函数将所述凸优化问题转化为应用拉格朗日乘子法求满足KKT约束条件下三个参数的最优解，并以总移动终端n中每一个移动终端的当前任务量为输入，求满足KKT约束条件下三个参数对应为终端本机的任务执行量、边缘节点的任务执行量及远端云的任务执行量的最优解，分别得到每一个移动终端对应求最优解所得的终端本机、边缘节点及远端云的任务执行量，使得每一个移动终端依据各自当前任务量执行任务卸载时，可分别根据各自对应求最优解所得的终端本机、边缘节点及远端云的任务执行量进行调整及执行。

2.如权利要求1所述的基于边缘计算和云计算协同进行计算任务卸载的方法，其特征在于，所述方法进一步以下步骤：

对每一个移动终端对应求最优解所得的终端本机、边缘节点及远端云的任务执行量均进行向下取整后，进一步进行三次赋值运算；其中，第一次赋值运算为将每一个移动终端对应向下取整后的终端本机的任务执行量加一，向下取整后的边缘节点及远端云的任务执行量保持不变；第二次赋值运算为将每一个移动终端对应向下取整后的边缘节点的任务执行量加一，向下取整后的终端本机及远端云的任务执行量保持不变；第三次赋值运算为将每一个移动终端对应向下取整后的远端云的任务执行量加一，向下取整后的终端本机及边缘节点的任务执行量保持不变；

将总移动终端n中每一个移动终端第一次赋值运算后的终端本机、边缘节点及远端云的任务执行量进行汇总后导入所述目标函数进行计算，将总移动终端n中每一个移动终端第二次赋值运算后的终端本机、边缘节点及远端云的任务执行量进行汇总后导入所述目标函数进行计算，以及将总移动终端n中每一个移动终端第三次赋值运算后的终端本机、边缘节点及远端云的任务执行量进行汇总后导入所述目标函数进行计算；

筛选出所述目标函数经过上面三次计算所得的三个值中最小所对应的某次赋值运算，并将所筛选的某次赋值运算后所对应每一个移动终端的终端本机、边缘节点及远端云的任务执行量作为最终求最优解所得的终端本机、边缘节点及远端云的任务执行量，使得每一个移动终端依据各自当前任务量执行任务卸载时，可分别根据各自对应最终求最优解所得的终端本机、边缘节点及远端云的任务执行量进行调整及执行。