[发明专利]一种基于二维动态匹配的MEC资源分配方法

说明书

本发明公开了一种基于二维动态匹配的MEC资源分配方法，具体按照以下步骤实施：步骤1、建立动态资源匹配模型:将多边缘服务器多边缘移动用户设备的应用场景建模为多对多匹配问题，并引入边缘服务器动态算力和移动用户设备动态剩余能量两个动态参数，将传统的静态模型转化为动态多资源匹配模型，生成多边缘移动用户设备对多边缘服务器偏好表及多边缘服务器对多边缘移动用户设备偏好表。步骤2、基于二维动态偏好表的匹配算法:使用基于二维动态偏好表的匹配算法，在满足延迟约束服务质量并在协同用户能耗容忍范围内最大化边缘服务器计算资源总体使用率及总任务完成度。步骤3、运用匹配方法优化煤矿井下边缘计算任务资源调度:将步骤1、步骤2匹配算法部署到煤矿井下边缘计算平台，实现资源分配优化。

技术领域

本发明涉及一种基于二维动态匹配的MEC资源分配方法，属于资源分配技术领域。

背景技术

目前我国煤矿工业智能化建设加速推进，随着多项关键技术被突破，一批大型智能化煤矿改造项目陆续完成。

但煤矿井下复杂的通信环境导致通信设备传输速率和带宽的不足，长时间以来未能得到本质上的突破；随着边缘计算和第五代通信技术(5G)的发展日臻完善，5G以其超高数据速率、超低延时和超大规模接入的优点，为煤矿工业生产过程中常见的核心瓶颈问题提供了解决方案，为结合边缘计算的智能矿山建设带来了更多可能，在产业界和工业界，随着5G、物联网和信息物理系统的发展和应用，越来越多的移动智能设备如智能手机、智能穿戴设备、车载物联网设备等加入网络参与收发内容的服务，在人们日常娱乐、健康医疗、交通预测疏导、物流产业、无人工厂等场景发挥着巨大的作用。然而，呈井喷式增长的即时性计算任务需要满足低延迟和高任务完成度的服务质量(Quality of Service，QoS)需求，但是，由于移动智能设备通常不具有较高计算能力的处理器，有限的计算设备会导致较高的处理延迟，无法满足服务质量，并且将计算任务保留在移动智能设备上处理还将增加移动智能设备的能耗，这对电池供电的设备影响极大，会显著降低用户体验质量(Quality ofExperience，QoE)。

拥有巨量储存容量和计算能力的云计算可以较好地解决以上存在的问题，移动云计算(Mobile Cloud Computing，MCC)模式在云端服务器拥有大量的计算资源，能够满足移动设备发送到云端的任务的计算要求，但从用户设备到云端的物理距离较远，会造成较大的传输延迟和较慢的响应速度，尽管随着5G技术的发展，这种延迟可以被缩短到很低的数量级，但依然无法满足部分延迟敏感任务如VR，实时轨迹预测等的延迟约束(latencyconstraint)。因此，边缘计算被提出，通过将具有一定计算能力的计算设备和常用数据储存设备部署在靠近用户的边缘端，使用户任务处理延时大大降低，由于其达到了性能和延迟的均衡优异表现，边缘计算在结合物联网和信息物理系统的场景中获得大量应用。虽然边缘服务器能够较好地完成边缘侧移动设备迁移而来的任务，但通常边缘服务器也是轻量级的，算力有限，若同一区域内移动设备任务量在短时间内激增，则会导致任务排队造成延迟，影响QoS甚至无法满足延迟约束。因此目前在一个区域内通常部署多个边缘服务器以满足该区域内可能出现的任务拥塞。然而，移动设备生成任务后往哪个目标边缘服务器迁移，以何种功率进行任务数据包发送，则会大大影响整个网络的整体延时、任务完成度及能耗。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于二维动态匹配的MEC资源分配方法，其特征在于，具体按照以下步骤实施：

步骤1、建立动态资源匹配模型

将多边缘服务器多边缘移动用户设备的应用场景建模为多对多匹配问题，并引入边缘服务器动态算力和移动用户设备动态剩余能量两个动态参数，将传统的静态模型转化为动态多资源匹配模型，生成多边缘移动用户设备对多边缘服务器偏好表及多边缘服务器对多边缘移动用户设备偏好表。

步骤2、基于二维动态偏好表的匹配算法