[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

说明书

本发明提出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，首先对网络中的用户设备、边缘服务器的计算资源和计算任务等进行数学建模；其次，对任务成本构成，任务在用户设备和边缘服务器上的执行成本进行建模并将问题建模为优化问题；之后，将问题分割为两个子问题，用导数和函数单调性解出使任务本地执行成本最小的资源分配方法，使用遗传算法解出任务在边缘服务器执行成本最小的资源分配方法；最后，对于解出的边缘服务器资源分配方法，使用时间能量约束和与本地执行成本对比两种方法进行筛选，并迭代计算以获得卸载策略。本发明能实现计算任务的执行成本最小化，提高用户的服务质量。

技术领域

本发明属于无线通信技术和移动边缘计算技术领域，具体涉及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。

背景技术

随着移动设备多年来的爆炸式增长，越来越多的移动应用成为了我们日常生活的重要组成部分。广泛使用的云计算和技术为移动应用提供了集中的服务支持。但是，服务的集中化意味着最终用户和服务托管云之间的距离很长，这不可避免地增加了平均端到端延迟。特别是对于延迟敏感应用，现有的云计算范例无法满足严格的及时性要求，用户对数据速率和服务质量(QoS)的要求呈指数级增长。此外，移动设备在中央处理单元(CPU)方面越来越强大，但即使这些设备也可能无法在短时间内处理需要大量处理的应用程序。而且，高电池消耗仍然构成严重的障碍，限制用户在他们自己的设备上充分享受高要求的应用。为了满足这种延迟敏感应用的要求，同时满足移动设备的有限能量的约束，新范例移动边缘计算(MEC)被提出，作为增强集中式云处理能力的扩展。为了解决长等待时间的问题，MEC将核心网络中的存储和计算资源部署到用户设备附近，即，移动网络的边缘。与集中式的云服务相比，MEC可以提供显着更低的延迟和抖动。边缘服务器通过接收应用程序卸载的耗能计算，向用户提供更高的数据存储能力等方式，降低了移动设备的能量消耗，提高了电池寿命。然而，相比于完全集中的方法，边缘计算应该以完全分布的方式部署。考虑到经济性和可扩展性的影响，边缘计算仅提供有限的计算和存储资源。

从用户的角度来看，关于MEC的关键是计算卸载。MEC计算卸载技术是指受资源约束的设备完全或部分地将计算密集型任务卸载到资源充足的云环境中，主要解决了移动设备在资源存储、计算性能以及能效等方面存在的不足，同时减轻了核心网的压力，降低了传输带来的时延。计算卸载作为MEC的关键技术，主要解决卸载决策和资源分配两个问题，其中，卸载决策研究的是用户终端要不要卸载、卸载多少和卸载什么的问题，资源分配则是研究如何将有限的资源分配给各用户或者各任务以取得更好的效果的问题。

计算卸载和资源分配有积极的应用价值，国内外研究人员对传感网络的信任机制已经有许多研究，相关的文献如下：

2015年，等人在文献《Optimization of radio and computationalresources for energy efficiency in latency-constrained appli-cationoffloading》提出了部分卸载决策的能耗和执行时延之间的权衡分析。卸载的过程中考虑要处理的总数据量、UE和MEC的计算能力，在UE和SCeNB(UE和MEC连接的中间基站)之间的信道状态以及UE的能耗。作者提出了一个动态调度机制，允许用户根据任务的计算队列和无线信道状态进行卸载决策。通过凸优化方法解决该优化问题。仿真结果表明，UE的能耗随总执行时间的增加而减少。此外，如果通信信道质量很差，耗费大量能源来卸载任务是得不偿失的，在这种情况下优先选择本地处理。如果信道质量良好，则卸载一部分到MEC能获得较小的能耗和延时。如果信道质量高，且MEC的计算存储资源充足的情况下可以进行全部卸载。