[发明专利]时敏条件下移动边缘计算网络能耗最小化策略方法有效
| 申请号: | 202010975206.1 | 申请日: | 2020-09-16 |
| 公开(公告)号: | CN112105062B | 公开(公告)日: | 2022-05-31 |
| 发明(设计)人: | 赵明雄;罗佳;余俊杰;李文涛;包聆言;邓彪 | 申请(专利权)人: | 云南大学 |
| 主分类号: | H04W28/16 | 分类号: | H04W28/16;H04W28/08;H04W72/04;H04L67/10;G06F17/10 |
| 代理公司: | 成都市鼎宏恒业知识产权代理事务所(特殊普通合伙) 51248 | 代理人: | 谢敏 |
| 地址: | 650000*** | 国省代码: | 云南;53 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 条件下 移动 边缘 计算 网络 能耗 最小化 策略 方法 | ||
1.一种时敏条件下移动边缘计算网络能耗最小化策略方法,其特征在于,方法包括以下步骤:
步骤一:初始化阶段:在本阶段网络内节点获得网络的基本配置信息,并进行相关参数的初始化,包括本地计算资源和计算能力、网络内子载波集合、当前循环轮次、最大循环次数、辅助变量的初始值;
步骤二:根据最小化系统能耗的优化总目标以及所受到的时延、最大计算资源和处理速度等约束条件,建立能耗最小系统优化模型,将相关参数代入优化模型;
步骤三:根据约束条件,求得初始最佳卸载比,依据该最佳卸载比,进一步计算得到分配给用户K的计算资源,分配给用户K的子载波集合以及该集合内子载波的传输能量和其他计算相关参数;
步骤四:满足约束条件下,根据得到的当前轮次的最佳负载比、计算资源和子载波分配策略,回到步骤二,依据块坐标下降算法进入下一轮迭代循环计算;
步骤五:循环达到最大限制次数后,得到各用户节点不同计算任务的最佳卸载比、计算资源和子载波分配表达式。
2.根据权利要求1所述的方法,其特征在于,所述的步骤二,具体为:所属系统优化模型为:
Ek代表用户k总能耗,λk代表用户任务负载到MEC服务器处理数据占总数据Rk的比例,tk,l代表用户本地计算的用时,tk,off代表MEC服务器负载计算的用时,fk,m表示MEC服务器分配给用户k的计算频率,F表示MEC服务器的可提供的总CPU计算频率,T表示一个时隙长度,xk,n表示子载波n是否被分配给用户k,是一个二进制变量;
其中负载计算用时tk,off包括数据从用户k到MEC服务器的上行传输时间,MEC服务器处理数据的时间两部分;其中,Rk代表总的待处理数据;rk表示MEC服务器获取用户负载数据的传输速率:
3.根据权利要求1所述的方法,其特征在于,所述的步骤三,具体为:将问题P解耦为子问题Po,Ps,进一步针对k个用户进行解耦分别计算得到对应用户k的最佳卸载比和计算资源以及子载波分配策略;
求解用户k的最佳卸载比转化为如下最小化问题:
s.t.0≤λk≤1,
且有
4.根据权利要求3所述的方法,其特征在于,所述的步骤三,具体为:
Ps问题建模为如下形式,以下步骤将对其进行进一步解耦:
s.t.(7d)-(7g)
引入一个非负的辅助变量将Ps问题转换为Ps1:
s.t.(7b)-(7g),(11b)
进一步地,将问题Ps1转化为非约束拉格朗日乘式:
其中γ三者是非负朗格朗日乘子,并记为满足约束的f的集合,x为满足约束且的x的集合;则拉格朗日对偶函数定义如下:
即所要求解的拉格朗日对偶问题为
maxg(α,β,γ)
s.t.α≥0,β≥0,γ≥0.
Ps问题解耦完成。
5.根据权利要求4所述的方法,其特征在于,所述的步骤三,具体为:求解计算资源最优分配策略:
已知满足BCD算法KKT条件的情况下,容易得到计算资源分配的最优解满足以下充分必要条件:
其中为凸函数,且随fk,m单调增加,且有0≤fk,m≤F。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南大学,未经云南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010975206.1/1.html,转载请声明来源钻瓜专利网。





