[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

说明书

本发明属于移动通信技术领域，特别涉及一种基于能量收集的分布式任务卸载和计算资源的管理方法，包括建立任务本地计算模型和边缘云计算模型；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及动边缘计算服务器最大化收益的目标函数；设备根据预筛选准则，预选择移动边缘计算服务服务器进行任务的卸载；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；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；获取最优任务量策略以及最优动态报价策略满足斯坦克尔伯格均衡的解作为资源分配策略；本发明实现电池能量水平的稳定性管理以及针对异构用户的计算资源按需分配。

技术领域

本发明属于移动通信技术领域，特别涉及一种基于能量收集的分布式任务卸载和计算资源管理方法。

背景技术

在物联网快速发展和智能终端设备普及的推动下，以计算密集型和延时敏感型为特点的面向云的应用(如虚拟现实、无人驾驶和网络游戏)近年来正以前所未有的速度发展。虽然CPU的处理能力和移动设备(Mobile Devices，MDs)的存储能力不断提高，但在大数据和人工智能时代，计算性能和电池续航时间仍然面临严峻挑战。移动边缘计算(MobileEdge Computing，MEC)作为一种新兴的计算模式，通过将全部或部分本地计算任务卸载到MEC服务器上，能明显提高用户的服务体验。在MEC系统中，将计算和存储资源部署到边缘网络上能有效减小时延，避免数据通信拥塞。

在硬件的尺寸和成本的限制下，传统的电池容量是有限的，不能满足设备长时间续航的要求。在某些场景下，使用可充电电池或传统的电网电源是不可能的或者极其昂贵的，因此，采用更便宜和更方便可靠的供电方法是必不可少的。能量收集(EnergyHarvesting，EH)可以捕获太阳能和风能等可再生能源用于数据通信和MD的任务处理，已成为一项实现绿色通信和持久运行的重要技术。将EH集成到MEC系统中具有重要意义。

随着EH和MEC的融合，保证系统计算性能的稳定性面临着新的挑战。一些主要的成果有：(1)基于能量收集的移动边缘计算的动态计算卸载(参考文献：Mao Y,Zhang J,Letaief K B.Dynamic Computation Offloading for Mobile-Edge Computing withEnergy Harvesting Devices[J].IEEE Journal on Selected Areas inCommunications,2016,34(12):3590-3605.DOI:10.1109/JSAC.2016.2611964)：该算法在单个MD和单个MEC服务器的点对点通信场景下，提出了一种基于扰动李雅普诺夫优化的低复杂度、集中式的任务卸载算法。(2)移动边缘计算中基于能量收集的任务卸载能耗与时延折中算法(参考文献：Zhang G,Zhang W,Cao Y,et al.Energy-Delay Tradeoff forDynamic Offloading in Mobile-Edge Computing System With Energy HarvestingDevices[J].IEEE Transactions on Industrial Informatics,2018,14(10):4642-4655.DOI：10.1109/TII.2018.2843365)：该算法提出了一种动态任务卸载策略来权衡基于EH的MEC系统的能量消耗和计算时延。作者将其转化为一个以缓冲队列稳定性和电池电量为约束条件的移动设备能量消耗和执行延迟平均加权总和问题。并基于扰动李雅普诺夫优化方法，得到了移动设备的CPU周期频率和数据传输功率的最优分配。

这些工作围绕着原始的、简单的集中式的网络架构，即提供的平均速率、时延、连接密度和差异化服务应该被打破。特别是随着物联网时代边缘设备和数据量的快速增长，集中式的优化方法已经不适用于包含数千个异构物联网应用的分布式MEC场景。此外，不同的MDs在计算卸载时延和能量消耗方面通常具有差异化需求，因此，如何按需地分配有限的边缘云的计算资源，以及如何以分布式的方式开发具有能量收集水平的任务卸载策略具有重要研究价值。

发明内容