[发明专利]移动边缘计算中联合任务调度的功率分配方法

说明书

本发明公开一种移动边缘计算中联合任务调度的功率分配方法。主要包括如下步骤：1、生成任务描述集合G＝{T_i|1≤i≤N},T_i＝(d_i,c_i)；初始化目标值Val_new。2、计算每个任务的本地执行时间边缘服务器执行时间任务卸载传输时间边缘服务器执行耗能本地执行耗能3、基于流水车间作业调度的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的卸载传输功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new‑Val_old＞ε，则退出，否则重复步骤2‑步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。

技术领域

本发明属于无线网络技术领域，涉及一种移动边缘计算中联合任务调度的功率分配方法。

背景技术

数据流量的指数式增长、终端种类的不断增加，服务场景的越来越多样化是当前4G面临的难题，这加快了5G的来临。5G包括增强移动宽带、海量机器类通信、超可靠低延时通信三大应用场景。其中增强移动宽带指的是对带宽有极高需求的业务，例如超高清视频，虚拟现实，增强现实等；海量机器类通信指的是连接密度要求较高的业务，例如智慧林业、智慧农业、智慧城市和智能家居等；超可靠低延时通信指的是对时延极其敏感的业务，例如自动驾驶、工业控制、远程医疗等。诸如自动驾驶、远程医疗、虚拟现实、增强现实等应用，对时延的要求均达到了毫秒级。而根据思科全球云指数的预估，到2019年，物联网产生的数据的45％将在网络边缘存储、处理、分析，而全球数据中心总数据流量预计将达到10.4泽字节(zettabyte,ZB)(1ZB＝2⁷⁰B)。国际数据中心(International Data Corporation,IDC)最新统计报告显示，到2020年将有超过500亿的终端与设备联网。

移动边缘计算(mobile edge computing，MEC)是在靠近数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的新的网络架构和开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。移动边缘计算与使用远程公共云的传统云计算系统相比，通过将计算密集型任务从移动设备卸载到附近的MEC服务器，计算体验的质量(包括延迟和设备能耗)可被大幅度提高。与此同时，移动边缘计算系统很大程度上依赖于计算量卸载策略，而该策略需要重点考虑计算任务和信道情况。移动边缘计算系统中计算任务卸载所消耗的能量可通过动态电压频率缩放和数据传输调度减小。受许多应用可以被分成一系列子任务的启发，细粒度计算量卸载正被广泛研究。部分卸载联合优化算法是一种细粒度计算量卸载迭代算法：1、先固定卸载任务的卸载功率，在对应功率下求能达到最小完成时间的任务卸载顺序与卸载决策。2、由上一步得到的卸载顺序固定不变的条件下求各个卸载任务在该卸载顺序下所对应的最优化功率。反复进行这两步迭代直到最终任务完成时间收敛。

移动边缘计算网络中的联合任务调度和功率分配方法，实际是构造一个联合卸载任务调度决策与功率优化的问题。用户的计算任务被分成N个互相独立的部分，根据任务的传输特性和服务器CPU、用户CPU的情况分类卸载。通过将任务划分成本地执行和MEC服务器执行，采用部分卸载调度算法和功率优化算法，能够在大幅度降低能量消耗的同时大幅度降低延迟，从而提高用户体验和能量、网络资源利用率。

在无线网络中，由于信道资源与电池电量有限，同频干扰、多径干扰的存在，本发明有利于缓解上述问题。

发明内容

本发明所要解决的技术问题是提供一种移动边缘计算中任务部分卸载调度和功率分配算法，解决5G异构网络中的延迟和能量优化问题，通过有效的卸载任务调度和功率分配方法，减少射频资源的使用并减小任务延迟。发明的技术解决方案如下：