[发明专利]一种可靠性感知的边缘计算方法

说明书

本发明属于边缘计算和工业互联网技术领域，具体涉及一种可靠性感知的边缘计算方法。本发明首先考虑到设备芯片计算过程中会带来温度的升高降低系统性能，同时信道条件会因为衰落而影响通信能力，通过芯片计算产生的温度不超过容忍温度以及信噪比不小于最低信噪比阈值来对计算可靠性和通信可靠性进行建模。然后，通过构建本地计算模型、传输模型、边缘计算模型以及可靠性模型，设计了一个能耗最小化问题。最后，采用改进混合鲸鱼优化算法和交替迭代方法提出了可靠性感知的能效交替迭代任务卸载方法。本发明所提方法可在工业互联网可靠性场景下降低终端设备的能量消耗，显著提高资源的有效利用率。

技术领域

本发明涉及边缘计算和工业互联网技术，具体涉及一种可靠性感知的边缘计算方法。

背景技术

目前，互联网的飞速发展使得智能设备已经成为人们生活中不可或缺的一部分，同时互联网时代对传输带宽、时延、能耗、应用性能和可靠性提出了更高的要求，各种复杂的应用(如智能监控、自主控制和智能医疗等)变得更加普及，并且都是计算密集型和时延敏感型任务，需要大量的带宽和处理资源。由于设备的计算能力和存储能力非常有限，一些复杂的物联网应用(例如，人脸识别、增强现实、自动驾驶)无法在本地有效处理。因此将计算任务卸载到边缘服务器处理是一大解决方法。

现有方案往往关注资源调度中时延、能耗等网络的系统性能，通过在时延约束下来进行节能设计。由于工业现场数据量比较庞大，无线资源稀缺、信道高度时变以及卸载策略复杂，同时，在任务卸载过程中包括通信和计算过程的耦合，并且通信和计算资源分配不当会导致资源利用率低和任务完成时延差异化。因此需要考虑任务在计算过程和通信过程中的可靠性，以满足工业互联网场景下任务的整体可靠性，如何合理分配资源以及设计高效的计算卸载策略，是边缘计算中的一大挑战因此，亟需一种可靠性感知的边缘计算卸载和资源分配方法，减少计算密集、时延敏感型任务的能量消耗。

发明内容

有鉴于此，本发明的目的在于针对工业互联网边缘计算场景中，由于工业设备数据量大，计算能效低，计算资源利用率低、任务完成时延差异化的问题，提供一种可靠性感知的边缘计算方法，考虑任务计算和通信可靠性，通过优化计算任务所产生的总能耗，减少大量任务带来的能量消耗。

为达到上述目的，本发明提供如下技术方案：

一种可靠性感知的边缘计算卸载和资源分配方法，首先，初始化发射功率、计算资源以及通信资源初始解，然后分别采用凸优化以及基于本发明提出的改进混合鲸鱼优化算法求解三个子问题。对于卸载比率分配过程，首先固定发射功率以及计算资源分配，然后通过拉格朗日理论以及凸优化求解出卸载比率；对于通信资源分配过程，首先固定卸载比率以及计算资源分配，然后通过本发明提出来的改进混合鲸鱼优化算法进行求解得出发射功率；对于计算资源分配过程，首先固定卸载比率以及发射功率，然后通过本发明所提算法进行求解得出计算资源分配，最后通过判断能耗来确定是否达到最优解。该方法具体包括以下步骤：

S1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；

S2：在步骤S1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信模型；根据计算时延和计算能耗，建立计算模型；

S3：根据温度和信噪比，将计算模型和通信模型建立为计算可靠性模型和通信可靠性模型；

S4：根据计算可靠性模型和通信可靠性模型，建立以时延和可靠性为约束条件，以所有设备能耗最小化为优化目标的优化问题；

S5：将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题，采用步骤S6～步骤S7进行交替迭代求解；

S6：通过凸优化理论以及拉格朗日方法求解所述卸载比率子问题，得出最优的卸载决策；

S7：通过改进混合鲸鱼优化算法求解功率控制子问题和计算资源子问题，得出最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策。