[发明专利]物联网边缘任务卸载方法及装置

说明书

本发明提供一种物联网边缘任务卸载方法及装置，方法包括：基于获取的物理网络模型、待卸载任务队列模型、能耗模型和预设边缘任务卸载模型的约束条件，构建边缘任务卸载模型；基于近端策略优化PPO算法求解边缘任务卸载模型的最优卸载策略，以将待卸载任务队列的边缘任务卸载至目标边缘服务器。所述装置用于执行上述方法。本发明提供的物联网边缘任务卸载方法及装置，构建边缘任务卸载模型时考虑了边缘任务卸载时，边缘服务器产生的能耗和链路能耗，从而将待求解的边缘任务卸载问题表述为面向能耗的最优化问题，考虑到边缘计算环境状态复杂多变，引入PPO的卸载策略求解边缘任务卸载的最优方案，以实现将边缘任务卸载至对应的边缘服务器。

技术领域

本发明涉及网络资源分配技术领域，尤其涉及一种物联网边缘任务卸载方法及装置。

背景技术

近年来，物联网(Internet of Things,IoT)技术的快速发展使得IoT网络中的数百亿终端设备(Terminal Device，TD)实现了经济高效的互联。根据思科视觉网络指数预测，到2023年，IoT设备将占所有联网设备的50％，设备间的连接数量将达到147亿。IoT网络中的海量数据促进了一批新业务的产生，比如车联网、人脸识别等，这些业务都是时延敏感型任务，且需要大量的计算资源和存储资源。但是，受限于IoT设备的物理尺寸，终端设备的计算和存储资源有限，并且电池的续航时间较短，如果直接在终端设备上运行这些任务通常难以满足用户的要求，进而给用户带来极其糟糕的使用体验。云计算作为解决上述问题的传统方法，该模式通过任务卸载将待执行任务卸载到远程云服务器上，利用云端的计算资源提高了业务的响应速度，从而增强了终端设备的续航能力。

但是，在传统的云计算中，移动终端通过通信网络与远程云端进行连接，如阿里云等，由于终端与云端之间距离较远，在二者间进行数据传输会带来较高的传输延迟，有时难以满足延迟敏感型业务的要求。为解决上述问题，移动边缘计算(Mobile Edge Computing)应运而生，MEC通过在靠近移动终端的网络边缘部署边缘服务器，进而将远程云端提供的计算资源延伸到距离终端更近的位置，当TD提交任务卸载请求时，任务可直接在边缘服务器上执行，节省了将数据传输至云端的通信时间。现有技术针对上述问题，提出如下方案：

方案一：基于边缘计算和云计算协同进行计算任务卸载的方法，包括设定变量参数及初始化；构建出移动终端、边缘节点和远端云各自时延模型和能耗模型，并得到移动终端当前任务量全部执行时的时延期望值模型和总能耗模型，且进一步得到总移动终端中所有任务执行时的时延期望值模型和总能耗模型；定义最优分配问题并转换为凸优化问题；引入拉格朗日函数求满足KKT约束条件下终端本机、边缘节点及远端云的任务执行量的最优解，使每一个移动终端根据各自对应求最优解所得的终端本机、边缘节点及远端云的任务执行量进行调整及执行。

方案二：基于代价效率的分布式任务卸载方法，包括：每个时隙，获取每个用户设备的位置、每个边缘节点服务器的产能情况和每个用户设备需要执行的任务；针对某个用户设备的需要执行的任务，计算将任务在用户设备本地执行和卸载至各个边缘节点服务器执行需要消耗的能耗、时延和计算数据量，通过比较对比获取在满足任务时延要求条件下代价效率最大的所述任务的最佳执行方案，将所有用户设备的最佳执行方案进行综合，得到该时隙下系统的任务卸载方案。

方案三：为降低移动设备的反应时延与能耗，提出了基于单用户场景下的移动边缘计算任务卸载方法，该方法首先完成了单用户场景下任务卸载模型的构建，包括系统整体模型的构建以及各个部分模型的构建，各个部分模型的构建包括：任务队列模型、本地计算模型、云端计算模型以及计算任务负载模型；通过求解系统整体负载K最小化为目标给出任务卸载方案，然后再对应执行本地执行负载最优调度策略、基于流水线调度的MEC服务器执行负载最优调度策略。