[发明专利]一种边缘计算用户任务卸载方法

说明书

本发明公开一种移动通信领域的边缘计算用户任务卸载方法。密集蜂窝网络中用户到基站的任务卸载问题不仅受环境噪声影响，而且受同道干扰影响。本发明考虑了异构网络下存在同道干扰时的用户任务卸载情况，建立了通信模型，提出基于数值估计的算法来预估模拟退火算法初始温度的概念，采用可变步长的数值估计来寻找近似初始温度，克服了使用随机初始温度带来的算法时间过长的问题，随后使用模拟退火算法循环改变用户的目的服务器，并使用对数和多项式相结合的降温函数控制解的搜索过程，查找使得用户平均卸载时延最低的任务卸载方案。该方法能够比传统方法更快的得到优化方案，具有较好的实用性。

技术领域

本发明属于移动通信技术领域，涉及一种边缘计算用户任务卸载方法。

背景技术

网络应用需求的数据越来越多，实时性要求也越来越高，传统的客户端直接连接云端服务器的数据请求方式变得难以满足服务质量（Quality of Service，QoS），主要瓶颈在于大量数据对于核心网回程链路造成的流量压力，以及由于数据传输环节过多造成的时延问题。

移动设备具有了更多、更智能的服务功能，这意味着需要更多的功耗来支持更高的处理能力，在实际生活也更加不可或缺，这使得移动设备被使用的频率和时间都有所上升，但是，由于移动设备自身最重要的优势在于灵活和轻便，其上携带的电源限于尺寸和重量的原因而不能提供长时间的续航能力。造成移动设备应用受限。

边缘计算概念渐渐成熟，靠近用户的接入基站上开始部署具有计算能力的服务器，称为MEC服务器，企业的部分服务可以从核心网下移到边缘服务器，移动设备可以在请求任务时优先从边缘服务器上寻找是否有相应服务。

移动设备为了充分利用边缘服务器计算能力和缓解自身能耗压力，选择将任务上传到MEC服务器计算，MEC服务器计算能力快可以缩短时间，但是任务上传需要时间，多个用户任务在MEC服务器上排队也会造成时延，所以需要良好的任务调度方法。

模拟退火算法是一种随机化的搜索最优解的迭代算法，且具有跳出局部最优解的能力，可以用在解决任务调度等非线性规划问题，通过控制最优解的接受函数、选取合适的初始温度、调整温度下降函数表达式的三种方式，可以改进整个模拟退火算法。

发明内容

基于上述背景，本发明的目的是解决多个用户任务和多个基站之间的调度问题，针对这个非线性规划问题给出了一个改进的任务卸载算法，包括以下步骤：

1.建立网络通信模型，包括多个六边形蜂窝，每个蜂窝有若干微蜂窝基站和微微蜂窝基站，每个基站都配备有相应的MEC服务器，相同类型基站的MEC服务器能力相同，微蜂窝基站的MEC服务器能力大于微微蜂窝基站的MEC服务器的能力，每个蜂窝小区都有多个用户，每个用户设备都可以选择小区内的任何一个MEC服务器作为卸载目标服务器，将产生的任务卸载到服务器上。

2.计算蜂窝内的用户设备的任务总卸载时延，首先计算用户设备的信干噪比，由于现行蜂窝的频率再用技术，每个蜂窝小区都具有共道小区，在共道小区内的用户使用相同范围的频率进行通信，所以当共道小区的用户同时段进行通信时，会产生共道干扰，求得用户i的共道干扰后，可以计算出用户i的信干噪比，进而计算用户的上行链路速率，随后计算得到用户i任务的卸载时延，然后对各个用户的任务卸载时延进行求和得到总的任务卸载时延。

3.以总的用户任务卸载时延作为求解初始温度的评价函数初始值，由数值估计算法估算模拟退火算法的初始温度。数值估计算法通过循环改变用户的目标MEC服务器，并重新计算新的总卸载时延来求解新的温度，其中温度改变步长是变长度的。

4.在求得预估的初始温度之后，以此值作为模拟退火算法的初始温度值，给定终止温度和迭代次数上限，然后通过模拟退火算法求解最优的任务卸载方案：

为了实现上述边缘计算用户任务卸载方法，本发明提供以下技术方法：

1.用户任务卸载时延的计算方法，包括以下步骤：