[发明专利]一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法

权利要求书

1.一种单边缘计算服务器与多用户协同的计算卸载与资源分配方法，其特征在于，步骤如下：

(1)建立单边缘计算服务器和多用户设备的场景模型：建立具有一个边缘服务器、N个用户设备、T个时隙的场景，每个用户设备在每个时隙产生M个计算任务；用户设备u_i(i∈{1,2,…,N})具有有限的能量用户i在第t(t∈{1,2,…,T})个时隙中产生的第j(j∈{1,2,…,M})个计算任务τ_i,j,t，被表示为其中，d_i,j,t表示任务的数据量，代表任务本地执行需要的计算资源，即CPU周期数，表示任务在边缘执行需要的计算资源，表示任务的时间约束，s_i,j,t表示任务τ_i,j,t的卸载策略；如果s_i,j,t＝1，则任务在边缘端执行，如果任务在本地执行，则s_i,j,t＝0；

(2)建立任务执行成本构成模型，任务的本地执行和边缘执行的计算模型，最小化任务执行成本的优化模型，包括以下4个步骤：

(2.1)建立任务执行成本构成模型：

任务的执行成本被表示为任务执行时间和任务能量消耗的加权和，即

G_i,j,t＝α_i,j,tt_i,j,t+(1-α_i,j,t)βe_i,j,t，

其中，t_i,j,t和e_i,j,t代表任务的执行时间和任务的能量消耗，β为能量和时间的归一化因子，可用任务的平均时间除以平均能量消耗替代；加权因子α_i,j,t(α_i,j,t∈[0,1])的作用是实现能量消耗和时间的权衡，根据应用场景或用户偏好定义；本方法中以任务的本地执行时间和任务的截止时间的比值定义加权因子，以满足任务对于时间约束的要求，即：

(2.2)构建任务本地执行模型：

步骤(2.1)中的是任务的本地执行时间，由任务的本地执行需要的计算资源与用户设备为该任务分配的计算资源的比值得到，又因为本地执行无需传输时间，因此总时间即为任务执行所需时间，即

其中，表示移动设备的CPU频率，该值由用户设备动态调整；

计算任务本地执行的能量成本表示为

其中，κ是一个和CPU架构相关的能效系数，为常数；那么任务本地执行的执行成本为：

(2.3)构建任务边缘执行模型：

任务在边缘服务器上执行时，时间成本由执行时间和传输时间两部分组成：

其中，传输时间写作：

其中，r_i,j,t表示数据传输速率，受到带宽w、噪声σ、传输功率p_i和信道增益h_i,j,t因素影响：

执行时间写作：

其中，表示当前时隙t中边缘服务器给用户u_i分配的计算资源；任务在边缘服务器上执行时，能量成本为发送数据的能量消耗，写作：

那么任务边缘执行的总成本为：

(2.4)建立最小化任务执行成本的优化模型：

考虑卸载决策，本地和边缘的计算资源分配，将此问题设为最小化任务执行总成本问题：

s.t.C1:

C2:

C3:

C4:

C5:s_i,j,t∈{0,1},

其中，约束C1表明任何一个移动设备的CPU频率变化幅度不能高于自身最大频率且不能低于自身最低频率要求；约束C2说明同一个时隙内，边缘服务器为所有用户设备分配的计算资源总量，不能超过服务器本身的计算资源最大值F^E；约束C3表示无论任务在本地执行还是边缘执行，任务执行时间都不能超过任务的截止时间；约束C4代表对于每个用户，执行所有任务的总能量消耗不能高于设备本身的能量存储；约束C5表示卸载决策s_i,j,t是一个二元变量；

(3)分割为两个子问题，求出使本地执行成本最小，同时边缘执行成本最小的资源分配方法，包括以下3个步骤：

(3.1)分割子问题：

卸载决策s、本地计算资源分配f^U和边缘计算资源分配f^E三个变量相互不独立，将问题分割为两个子问题：本地执行成本最小值和边缘执行成本最小值；

(3.2)本地成本最小值：

本地执行成本和本地计算资源分配函数关系如下：

该函数关系是单峰的可求的最小值，设该函数一阶导数为零时取得的最小值为需要考虑约束C1、C3和C4；对于约束C1，直接得到取值的一个上下界；对于C3：

得到一个取值上界；对于C4，简化约束条件，使用当前任务执行时用户设备电量来代替用户设备总电量从而减少不同任务之间的耦合：

综合三个约束，得到取值的上界和下界

因此，本地计算资源分配取值为：

将该值带入即获得本地执行最小成本

(3.3)边缘成本最小值：

在每一个时隙中，边缘服务器为每个用户设备分配计算资源，

其中，α_i,j,t的值在步骤(3.2)中已经得到；取得最小成本只和边缘端计算资源分配有关，即：

考虑约束C2和其隐含约束：

对于时间约束C3和能量约束C4将在步骤四中得到解决；显然问题是一个全局最优化问题，使用遗传算法得到最优解和对应的最低成本

(4)根据约束条件和数值对比，对获得初始卸载策略，并根据此策略再次进行边缘最小成本求解，直到获得稳定的卸载策略，并得到最终的资源分配方法；具体包括以下4个步骤：

(4.1)决策矩阵初始化：

定义矩阵s^init＝0为初始卸载决策矩阵，内部元素全为0代表默认所有任务均不卸载；

(4.2)新决策矩阵赋值：

定义新决策矩阵s′，并将矩阵s^init的值赋给s′；

(4.3)根据约束筛选：

对于新决策矩阵s′中的所有元素s′_i,j,t，如果或者令s′_i,j,t＝1；记录此时卸载决策矩阵为s^T，并计算以s^T执行卸载时任务执行总成本G₁；

(4.4)根据成本筛选：

对于矩阵s′中的所有元素s′_i,j,t，如果令s′_i,j,t＝1；

(4.5)二次分配：

此时，如果s′和s^init相同，停止步骤(4)，并获得最终的卸载策略s＝s^init和资源分配方案f^E，如果s′和s^init不同，需要重新分配；首先将s′的值赋给s^init，之后进行二次分配即：

获得了新的资源分配方式f^E′；并计算此时的任务总成本G₂；对比G₂和步骤(4.3)中获得的G₁，如果G₂＜G₁，跳到步骤(4.2)；否则，最终卸载决策为s^T，并计算此决策下最低成本的资源分配方案：