[发明专利]多基站多服务器场景下的任务卸载和资源调度方法及装置

说明书

本发明提供了一种多基站多服务器场景下的任务卸载和资源调度方法及装置，包括：边缘服务器接收由用户设备发送的需要卸载到基站处理的计算任务；基于所述计算任务，所述边缘服务器将分配与所述计算任务相应的计算资源；基于计算资源分配的结果采用遗传算法得到信道资源分配结果和基站选择结果；根据所述计算资源分配结果确定任务卸载和计算资源调度策略，根据信道资源分配结果和基站选择结果确定信道资源调度策略。本发明利用内点法和遗传算法可以得到计算资源分配的结果、信道资源分配结果和基站选择结果，从而得到相应的任务卸载策略和资源调度策略，有利于应用在多基站多服务器及多用户设备的密集部署场景下节约资源。

技术领域

本发明涉及计算机技术领域，尤其涉及一种多基站多服务器场景下的任务卸载和资源调度方法及装置。

背景技术

随着5G通信技术和移动智能设备的不断发展，各类时延敏感型和计算密集型任务不断增加。移动边缘计算将计算资源转移到靠近移动终端的网路边缘，缓解了网络拥塞，延长了终端设备的续航能力，有效地降低了任务执行时间和终端能耗，超密集网络也是解决数据流量爆炸和设备计算能力有限等问题的一种有效方法。移动边缘计算和超密集网络的结合，在增加了网络容量的同时，提高了移动终端设备的计算能力，有效满足了任务的传输和计算要求。

计算卸载可分为本地计算，完全卸载和部分卸载三种情况：本地计算是所有计算任务都在本地执行。完全卸载是将所有计算任务卸载到边缘服务器中进行处理。部分卸载通常是最有效和最复杂的，因为它需要根据具体计算任务的情况来区分卸载到服务器以及在本地计算的数据。时延和能量消耗是移动系统的两个主要方面，因此，在进行计算卸载时，这将是考虑的重点。

信息时代能源消耗的不断增长，使得通信设备和基础设施在全球温室气体排放中发挥着重要作用。因此，绿色5G网络的发展已成为未来无线通讯领域重要的研究方向。而移动边缘计算和超密集网络是5G网络的关键组成部分，因此能源消耗问题已经成为热点问题。另一方面，网络基础设施的密集部署使得网络环境变得十分复杂，虽然增强了终端设备的有效信号接收，但也增加了终端设备间的传输干扰，影响传输和通信效率，对于一些时延敏感型应用，保证应用任务的快速传输和执行也是一个研究重点。

现有研究没有考虑网络基站与边缘服务器同时密集部署的情况，从而无法满足实际场景中的应用场景和用户需求。在基站和边缘服务器同时密集部署的超密集网络下，移动边缘计算的任务卸载和资源调度面临严峻的挑战。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种多基站多服务器场景下的任务卸载和资源调度方法及装置。

第一方面，本发明实施例提供一种多基站多服务器场景下的任务卸载和资源调度方法，包括：

边缘服务器接收由用户设备发送的需要卸载到基站处理的计算任务；其中，所述基站与所述边缘服务器具有一一对应的关系；

基于所述计算任务，所述边缘服务器将分配与所述计算任务相应的计算资源；其中，所述计算资源为通过设置惩罚因子、容忍误差和惩罚因子递减系数，并使用牛顿内点法进行迭代求解直至满足预设结束迭代条件时确定的计算资源分配结果；

基于计算资源分配的结果采用遗传算法得到信道资源分配结果和基站选择结果；

根据所述计算资源分配结果确定任务卸载和计算资源调度策略，根据信道资源分配结果和基站选择结果确定信道资源调度策略。

进一步地，还包括：

基于所述计算资源确定所述计算任务在所述边缘服务器上的执行时间和能量消耗。

进一步地，预设结束迭代条件为：所述基站能够提供的用户设备总量与惩罚因子的积小于预设的容忍误差。

进一步地，所述基于计算资源分配的结果采用遗传算法得到信道资源分配结果和基站选择结果，具体包括：