[发明专利]基于代价效率的分布式任务卸载方法

说明书

本发明提供了一种基于代价效率的分布式任务卸载方法。该方法包括：在每个时隙，获取每个用户设备的位置、每个边缘节点服务器的产能情况和每个用户设备需要执行的任务；针对某个用户设备的需要执行的任务，计算将任务在用户设备本地执行和卸载至各个边缘节点服务器执行需要消耗的能耗、时延和计算数据量，通过比较对比获取在满足任务时延要求条件下代价效率最大的所述任务的最佳执行方案，将所有用户设备的最佳执行方案进行综合，得到该时隙下系统的任务卸载方案。本发明以最大化每个用户的代价效率为目标，兼顾了计算能力和时延的约束，从而确定系统的最佳的卸载决策。本发明的算法可以有效地提高用户的代价效率，显著降低系统的能源代价。

技术领域

本发明涉及无线通信技术领域，尤其涉及一种基于代价效率的分布式任务卸载方法。

背景技术

近年来，随着物联网技术的不断发展，各种新的计算密集型应用大量涌现。然而，用户设备有限的供电能力和计算能力，很大程度上限制了应用的发展。与此同时，移动边缘计算作为一种新的网络架构的出现，能够为用户设备提供计算和缓存服务，通过将任务卸载到靠近用户设备的边缘节点服务器进行计算，可以有效地缓解用户设备的供电和计算的压力，提高用户服务质量。

随着边缘节点服务器的大量的部署，制定合理的任务卸载策略，实现本地用户设备与边缘节点服务器的高效协作成为应用边缘计算的关键。现有技术中的一种文献研究了多信道干扰下的多用户计算任务卸载问题，通过将用户卸载计算的过程制定为一个博弈的过程，以计算时延和能耗为指标，提出了一种分布式计算卸载算法。现有技术中的另一种文献研究了基于时分多址和正交频分多址的环境下，多用户边缘计算系统的资源分配方法，以计算系统能量消耗的最小加权和为目标，来寻找最优的卸载策略。现有技术中的另一种文献设计了一种新的边缘计算框架，通过将边缘计算与小型蜂窝网络集成，将任务的传输分为前传和后传两个过程来，制定了卸载模型，以最小化系统内整体的能耗为目标，并通过改进的人工鱼群算法来实现最优策略的制定。现有技术中的另一种文献研究了随机无线信道下，移动设备和服务器之间的协作方式，通过在满足时延限制下，最小化移动设备的能耗为目标来进行任务卸载方案制定，并通过将该问题转化为求最短路径问题寻求最优解。

综上所述，现有的文献多以能耗和时延为目标函数来制定卸载决策。尤其是在考虑解决时延问题时，为了缩短卸载计算过程中的时延，过度增大发射功率和提高计算速率，会增加用户设备的能耗负担。并且在以传统能源为单一的供电的方式下，这就意味着计算的能源代价的增加。在保证用户服务质量的前提下，如何卸载计算相同的任务花费更低能源代价，降低计算能源成本才是真正值得关心的问题。

发明内容

本发明的实施例提供了一种基于代价效率的分布式任务卸载方法，以克服现有技术的缺点。

为了实现上述目的，本发明采取了如下技术方案。

一种基于代价效率的分布式任务卸载方法，优选地，在系统中分布式设置多个边缘节点服务器，所述边缘节点服务器配置了可再生能源供给装置，在所述边缘节点服务器的小区内随机分布多个用户设备，所述方法具体包括：

在每个时隙，获取每个用户设备的位置、每个边缘节点服务器的产能情况和每个用户设备需要执行的任务；

针对某个用户设备的需要执行的任务，计算将所述任务在用户设备本地执行需要消耗的能耗、时延和计算数据量；再遍历所有的边缘节点服务器，分别计算将所述任务卸载至各个边缘节点服务器执行所需要消耗的能耗、时延和计算数据量，通过比较对比获取在满足任务时延要求条件下代价效率最大的所述任务的最佳执行方案，所述代价效率为计算数据量与能耗的比值；

将所有用户设备的最佳执行方案进行综合，得到该时隙下系统的任务卸载方案。

优选地，根据新能源的产能周期，将一天划分为96个时隙，每时隙为15分钟，在第t个时隙下，边缘节点服务器m采集到的新能源表示为E_max,m为该边缘节点服务器最大的储能容量。