[发明专利]一种超密集网络的移动边缘计算资源分配方法

权利要求书

1.一种超密集网络的移动边缘计算资源分配方法，其特征在于，

所述资源分配方法基于超密集网络，所述超密集网络中的NOMA-MEC通信系统包括个小基站，其中，每个小基站配备一个MEC服务器以执行用户卸载的计算任务；假定每个小基站服务的用户集合为N个用户分为个组，每个组内有个用户；

所述资源分配方法按照以下步骤实施：

步骤一、构建上行链路NOMA-MEC通信系统，每个小型基站SBS均配备一个MEC服务器以服务多个用户；

步骤二、对所述NOMA-MEC通信系统内的所有用户根据信道增益的差异进行分簇处理；簇内用户采用NOMA传输方式，簇间采用TDMA传输方式；

步骤三、计算用户的计算成本，即用户处理任务时的时延和能量消耗；其中，计算成本包括用户的本地计算成本和卸载计算成本；

步骤四、将NOMA-MEC通信系统建模为MFG框架；其中，将用户的SINR和信道增益表示为状态空间，用户的发射功率、卸载决策因子和资源分配因子表示为动作空间；根据用户的计算成本，构建用户的奖励函数；

步骤五、使用基于DDPG的强化学习的方法来获取平均场博弈的均衡解，也就是最优的移动边缘计算系统中的资源分配方案。

2.如权利要求1所述的一种超密集网络的移动边缘计算资源分配方法，其特征在于，所述步骤二的具体方法为：

在步骤一中建立的NOMA-MEC通信系统模型中，每个SBS服务的所有用户根据其信道增益的大小进行排序，然后依次选择具有前M个信道增益的用户作为M个NOMA簇中的第一个用户；

根据贪婪匹配方法从其余用户中选择使该NOMA簇具有最大信道增益差总和的用户；

当无法将用户数均匀分配给每个簇时，多余的用户随机分配到不同的群集，并且群集中每个用户的信道增益是不同的。

3.如权利要求1或2所述的一种超密集网络的移动边缘计算资源分配方法，其特征在于，所述步骤三的具体方式为：

3.1)用户的本地计算成本：

假设x_mk表示第m组中第k个用户的卸载变量，对于本地计算模型，也就是用户可以在本地完成计算任务，不需要将计算任务卸载到MEC服务器，假设表示第m组中第k个用户的本地计算容量，c_mk表示第m组中第k个用户执行本地计算所需的CPU周期数，则当用户在本地执行任务时，其时间为：

当计算本地计算的能耗时，采用一种常用的计算能耗的模型，即ε＝κf²；其中，ε表示本地计算能耗，κ是取决于芯片结构的能量系数，第m组中第k个用户的本地能耗可以表示为：

根据公式(5)和(6)，第m组中第k个用户的本地计算成本可表示为：

其中，和分别表示延迟和能耗的权重系数，且

3.2)用户的卸载计算成本：

在卸载到MEC服务器计算的过程中，包括传输和在MEC服务器计算两部分，传输时间和执行时间分别为：

其中，f_s是MEC服务器的计算能力；R_mk表示第m组中第k个用户的数据传输速率；

卸载过程的总时间为：

卸载过程的能耗也有两部分，即传输过程中的能耗和在MEC服务器执行计算任务的能耗分别为：

其中，p_mk表示用户功率；

根据公式(11)和公式(12)，卸载过程的总能耗表示为：

因此，第m组中第k个用户的卸载计算成本函数表示为：

3.3)用户的总计算成本：

根据3.1和3.2获得用户本地计算成本和用户卸载计算成本，用户完成计算任务的总体计算成本函数可以表示为：