[发明专利]一种移动边缘计算网络的任务中继卸载方法

说明书

本发明公开了一种移动边缘计算网络的任务中继卸载方法，包括集成了毫米波和频率低于6GHz电磁波(Sub‑6GHz)的移动边缘计算网络，Sub‑6GHz实现用户设备的全覆盖，设置基站和用户设备预先执行了波束训练和对齐机制，因此能够在建立数据连接时配置适当的波束。由于每个用户设备都是独立的个体，因此，采用平均场博弈MFG的框架最大程度的减少功耗，针对MFG优化方法的限制，将公式化的MFG简化为马尔可夫决策过程MDP，利用MDP优化问题求得MFG的均衡解，即通过采用强化学习框架，最大化CUs的价值函数，在强化学习的指导下得到均衡解，实现任务的成功卸载，并减少系统能耗。

技术领域

本发明涉及无线通信系统中任务中继及卸载技术，尤其涉及一种移动边缘计算网络的任务中继卸载方法。

背景技术

随着5G时代的到来，移动设备成为处理飞速增长的计算数据密集型应用程序的平台，其中包括导航、面部识别、增强/虚拟现实以及在线游戏。由于移动设备计算能力、内存以及电池容量的局限性，无法为一些应用程序提供较高的服务质量，给无线通信带来了挑战。

为了解决这些严峻的挑战，提出了移动边缘计算(MEC)作为可行的解决方案。将MEC部署在网络边缘的计算基站，例如小型基站(SBS)，从而显着减少SBS到云链路上的流量负载，同时减少卸载延迟。MEC提供了具有超低延迟和高带宽的强大计算服务环境，移动设备可以卸载任务到其中以减轻对计算和延迟要求严格的任务。

毫米波(mmWave)技术成为提供更大带宽和更快数据速率的5G通信蜂窝系统的新前沿。但是，毫米波的独特无线电传播特性挑战了无线通信系统的设计，由于毫米波信号的传输距离短，毫米波基站需要密集部署才能实现全覆盖，这会导致运营商的支出高昂。

在博弈论领域中的平均场博弈(MFG)，已应用于许多工程问题。MFG将博弈建模为一个玩家与所有其他玩家的集体行为进行交互，并提供平衡解决方案，将复杂问题简化为每个玩家的个别问题。因此，MFG适合大量玩家的场景，适用于在多设备之间进行多项任务的调度任务。

发明内容

发明目的：本发明目的是针对毫米波频段的高路径损耗以及用户设备计算能力的不足，提供一种移动边缘计算网络的任务中继卸载方法，即提供一种基于分布式强化学习指导的MFG方法，解决了一些用户设备难以通过直接卸载来处理任务数据的困境，将D2D链路作为中继链路，提高任务卸载的成功率，同时尽可能减少系统能耗。

技术方案：本发明提供一种移动边缘计算网络的任务中继卸载方法，包括以下步骤：

步骤s1：构建一个毫米波和频率低于6GHz电磁波(Sub-6GHz)的移动边缘计算网络，其中，Sub-6GHz实现用户设备的全覆盖，毫米波实现用户部分覆盖；所述移动边缘计算网络中共有U个用户设备在Sub-6GHz的覆盖范围内，n个中心用户设备(Central User，CU)可以直接将计算任务卸载到移动边缘计算MEC服务器中，m个拓展用户设备(ExpandedUser，EU)不在毫米波的覆盖范围内，CUs为毫米波覆盖范围内的所有CU，每个用户设备有一个长度为J的队列用于储存任务，通过D2D中继链路来改善不在毫米波覆盖范围内用户的数据卸载体验；

步骤s2：CUn中继EUm中需要卸载的任务，在通信范围内，CUn和处于毫米波覆盖范围内的其他CUs交换任务数据，处理队列中的任务；

步骤s3：根据CUn处理队列中的任务导致的系统能量消耗建立代价函数，列出平均场博弈MFG中的FPK(Fokker-Planck-Kolmogoroy)方程和HJB(Hamilton-Jacobi-Bellman)方程；

步骤s4：将公式化的MFG转换为马尔可夫决策过程MDP，通过采用强化学习框架最大化CU n的价值函数，求得MFG的均衡解。

在步骤s1中，将MEC服务器部署在网络边缘的计算基站内。