[发明专利]一种基于李雅普诺夫优化的资源分配方法及装置

说明书

本发明实施例获取与MEC服务器连接的移动设备当前时隙的状态信息，基于所获取的状态信息及当前时隙的运行能耗，构建加权和函数模型；利用预设李雅普诺夫函数模型，对加权和函数模型进行简化处理，得到第一目标优化函数模型，利用预设拉格朗日乘子法，对第一目标优化函数模型进行最优解计算，得到资源分配策略；基于资源分配策略，为MEC系统中的各移动设备分配资源。相比于现有技术，本发明实施例利用所获取的状态信息及当前运行能耗构建加权和函数模型，通过简化加权和函数模型，降低了加权和函数模型的复杂度，使用拉格朗日乘子法进行求解，求解过程与可行动作无关，因此可以提高求解加权和函数模型的速度，从而提高资源分配的实时性。

技术领域

本发明涉及通信技术领域，特别是涉及一种基于李雅普诺夫优化的资源分配方法及装置。

背景技术

随着网络技术的发展，在移动设备上嵌入计算密集型应用程序已经较为常见。例如：人脸识别、在线直播、视频APP(Application，应用程序)。这些密集型应用程序的应用给移动设备的运行功耗及用户的QoE(Quality of Experience，体验质量)带来了挑战。现在以图1为例，介绍移动设备的运行能耗与用户的QoE之间的关系。

如图1所示的一个具有多个MDs(Mobile Devices，移动设备)的通用MEC(MobileEdge Computing，移动边缘计算)系统100，包括：MEC服务器及多个与该MEC服务器连接的移动设备，用户通过移动设备访问MEC服务器，下载、观看或者上传视频。当用户访问服务器受到网络阻塞及视频转码的影响时，会造成网络延迟及代码转换延迟，用户的QoE将会降低。在网络延迟及代码转换延迟满足MEC系统延迟约束的情况下，用户的QoE主要受接收到的视频的比特率及设备类型决定，即，用户的QoE随其所使用移动设备接收到的视频比特率升高而升高。但是，随着移动设备所接收比特率升高，MEC服务器端的数据处理计算量必然增大，这将导致MEC服务器端运行能耗增大。

现有技术为了达到用户的QoE与运行能耗的均衡，通过建立用户的QoE和运行能耗的目标函数，使用马尔可夫决策方法，通过调节目标函数中用于权衡用户QOE与运行能耗的可调参数，求解用户的QoE和运行能耗的目标函数，得到资源分配策略，最终根据分配策略给各个移动设备分配资源。

由于使用马尔可夫决策方法在求解用户的QoE和运行能耗的目标函数过程中，需要确定可允许的动作集，在可允许的动作集中选择可行动作对用户的QoE和运行能耗的目标函数进行求解，而可允许的动作集与MEC系统的状态相关。例如：在MEC系统中，当前有M个云代码转换服务提供的比特率版本数量，假设云代码转换服务提供的比特率是102bps、130bps等等，则云代码转换服务提供的比特率版本数量为2。H用于表示无线信道，N用于表示移动设备数量，K用于表示移动设备类别的数量，L1用于表示代码转换决策，L2用于表示比特率分配决策，L3用于表示带宽分配决策，则可允许的动作集中的可行动作有2KNH×(L1+L2^M+L3+1)个。在所需云代码转换服务提供的比特率版本数量较大的情况下，可允许的动作集中的可行动作很多，因此使用马尔可夫决策方法求解用户的QoE和运行能耗的目标函数的复杂度较高，需要很长时间才能求解出最优值，然后才能根据资源分配策略给各个用户分配资源，因此现有技术进行资源分配的实时性不高。

发明内容

本发明实施例的目的在于提供一种基于李雅普诺夫优化的资源分配方法及装置，以解决现有技术资源分配实时性不高的问题。具体技术方案如下：

第一方面，本发明实施例提供的一种基于李雅普诺夫优化的资源分配方法，包括：

获取与MEC服务器连接的移动设备当前时隙的状态信息；