[发明专利]移动边缘计算网络中任务卸载及资源分配的联合优化方法

说明书

本发明公开了移动边缘计算网络中任务卸载及资源分配的联合优化方法，包括以下步骤：步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；步骤二：引入卸载决策机制；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。本发明具有在保证严格时延限制的前提下，能有效降低系统能耗的优点。

技术领域

本发明属于移动通信和移动边缘计算技术领域，尤其涉及一种移动边缘计算网络中任务卸载及资源分配的联合优化方法。

背景技术

近年来，随着移动互联网和物联网的高速发展，诸如智能手机、智能手环等移动设备(Mobile Devices，MDs)的数量呈指数增长，与之伴随出现了越来越多的计算密集型应用，如人脸识别、电子医疗、自然语言处理、交互式游戏等。这类应用计算复杂度高、能量消耗大、要求时延低，但移动终端往往在计算资源、存储资源和电池容量上受限，大量的计算需求远远超出本地移动设备能够提供的服务。计算卸载技术为上述问题提供了解决方案。

计算卸载技术最初应用于云计算，云计算能够提供强大的计算能力，将计算与存储任务卸载到云服务器，计算任务完成后，云服务器再将计算结果返回到本地设备端，从而缩小了资源受限的移动设备与日益增多的资源密集型应用之间的差距。但是核心云数据中心距离移动设备非常远，数据的传输非常复杂，导致时延很大，并且将任务卸载到云端将会产生额外的回程开销，下一代移动云计算(Mobile Cloud Computing，MCC)系统的部署和管理方式将面临巨大的挑战。

为了缓解回程开销的压力和时延要求，移动边缘计算(Mobile Edge Computing，MEC)进入了人们的视野，它的提出是为了解决下一代移动通信(5G)面临的海量移动设备介入造成的全球计算资源短缺的问题，受到了学术界及工业界的广泛关注。作为5G的核心架构之一，移动边缘计算将互联网技术和无线网络结合在一起，将计算及存储任务拉近到网络边缘，减轻网络压力，使得移动网络传输成本更低且效率更高。在MEC网络中进行任务卸载来服务计算密集型应用，已成为未来通信网络发展的主要趋势。

然而，与云计算不同的是，边缘服务器的资源是有限的。因此，无线资源和计算资源的分配对MEC系统来说尤为重要，其中前者影响数据传输速率和设备的能耗，而后者影响任务的计算时延。因而亟需发明一种在保证时延的前提下，能有效降低整个系统能耗的移动边缘计算网络中任务卸载及资源分配方法。

发明内容

本发明的目的是提供一种在保证时延的前提下，能有效降低整个系统能耗的移动边缘计算网络中任务卸载及资源分配的联合优化方法。

为实现上述目的，本发明采用了如下技术方案：所述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，包括以下步骤：

步骤一：建立一个基于OFDMA的多MEC基站、多用户的场景模型，其中MEC基站支持多用户接入；

步骤二：引入卸载决策机制来表示移动设备的任务在何处执行完成；同时构建本地计算模型和远端计算模型，选出需要进行计算卸载的用户，根据上述条件建立满足时延约束情况下基于最小能耗的计算任务卸载和资源分配方案；

步骤三：通过对卸载决策变量、无线资源分配变量及计算资源分配变量三个相互约束的优化变量进行变量融合，使问题简化；

步骤四：通过分支定界算法获得使MEC系统中用户总能耗最低的卸载决策及资源分配结果。

进一步地，前述的移动边缘计算网络中任务卸载及资源分配的联合优化方法，其中：步骤一具体包括：