[发明专利]基于能量收集的分布式任务卸载和计算资源的管理方法

权利要求书

1.基于能量收集的分布式任务卸载和计算资源的管理方法，其特征在于，包括以下步骤：

根据移动边缘计算环境，建立任务本地计算模型和边缘云计算模型；

获取设备向移动边缘计算服务器购买资源进行任务卸载的收益，并在设备端采用扰动李雅普诺夫优化理论以保证设备端电池能量水平及任务队列的稳定性，建立出设备端基于扰动李雅普诺夫优化的设备端收益最大化的目标函数，表示为：

约束条件：

其中，I_i(t)＝{I_i0(t),I_i1(t),...,I_in(t)}为第i个移动设备任务卸载策略的集合，I_i0(t)表示第i个设备在本地的卸载策略；I_ij(t)表示第i个设备卸载到第j个移动边缘计算服务的卸载策略，j∈{1,2,...,n}；b_i(t)＝{b_i0(t),b_i1(t),...,b_in(t)}为第i个移动设备处理任务量策略的集合，b_i0(t)为第i个移动设备在本地的处理任务量策略，b_ij(t)为第i个移动设备卸载到第j个移动边缘计算服务的处理任务量策略；U_bi(t)为第i个移动设备基于扰动李雅普诺夫优化的设备端收益最大化的目标函数，V_i为第i个移动设备的非负可控参数，u_bi(t)为第i个移动设备的最大化收益函数，Q_i(t)表示时隙t中第i个移动设备到达的任务队列积压，为时隙t第i个移动设备已处理的任务量总和，a_i(t)表示时隙t中第i个移动设备到达的任务量，为第i个移动设备电池的虚拟能量队列，为第i个移动设备在时隙t的总能耗，为时隙t第i个移动设备充电到电池的能量，δ_i(t)表示在时隙t中第i个移动设备收集的能量，为第i个移动设备在每个时隙电池放电量的最小值，为第i个移动设备在每个时隙电池放电量的最大值，B_i(t)在时隙t开始时第i个移动设备i的电池能量水平，为第i个移动设备在本地处理或者卸载到第个移动边缘计算服务器的任务量，其中M为移动设备的集合，N为移动边缘计算服务器的集合，为本地或第个移动边缘计算服务器CPU最小频率值，为本地或第个移动边缘计算服务器为第i个移动设备分配的CPU频率值，为本地或第个移动边缘计算服务器CPU最大频率值，T为每个时隙的时隙索引；

获取移动边缘计算服务器为设备端提供计算服务的收益，建立移动边缘计算服务器最大化收益的目标函数；

根据设备端的任务积压、电池能量水平以及移动边缘计算服务器端的报价，建立移动边缘计算服务器预筛选准则，设备根据预筛选准则，预选择移动边缘计算服务器进行任务的卸载；

设备端基于扰动李雅普诺夫优化的设备端收益最大化问题，在各个时隙内，利用拉格朗日乘子法和KKT条件计算出设备端向所选择的移动边缘计算服务器卸载的最优任务量策略；

移动边缘计算服务器根据买方向所选择的移动边缘计算服务器卸载的最优任务量策略，基于移动边缘计算服务器最大化收益问题，获得各个时隙内移动边缘计算服务器对设备端的最优报价策略；

设备端向所选择的移动边缘计算服务器卸载的最优任务量策略，且移动边缘计算服务器对设备端的最优动态报价策略满足斯坦克尔伯格均衡解，那么设备按照最优任务卸载策略向移动边缘计算服务器进行任务卸载。

2.根据权利要求1所述的基于能量收集的分布式任务卸载和计算资源的管理方法，其特征在于，在设备端基于扰动李雅普诺夫优化的设备端收益最大化的目标函数中，当且仅当第i个移动设备能够在本地计算，如果第i个移动设备可以在本地计算任务，最优的本地执行策略表示为：

其中，为最优的本地执行策略；为第i个移动设备电池的虚拟能量队列，k_i为与第i个移动设备芯片架构相关的有效能量系数，τ为每个时隙的时隙长度，V_i为非负可控参数，Q_i(t)表示时隙t中第i个移动设备到达的任务队列积压，ρ_i为第i个移动设备收益权重因子；γ_i为通过离线测量获得的计算密度。