[发明专利]一种超密异构网络中联合下上行的边缘计算迁移方法

摘要

一种超密异构网络中联合下上行的边缘计算迁移方法，宏基站和微基站中的不同规模边缘服务器，为了满足移动智能应用的计算密集型和数据密集型的延迟敏感要求，需要设计有效的联合上下行接入和资源分配方法来减少智能应用延迟。首先将联合上下行的计算迁移问题建模为最小化系统时延优化模型，并同时考虑节省用户设备的能耗。由于联合下行链路和上行链路计算迁移问题是一个混合整数规划问题，从而转化为资源分配子问题和计算迁移子问题，从而提出了一种有效的联合下行链路和上行链路迁移和资源分配方法。实验结果验证了该方法在系统时延和能耗方面的有效性。

主权项

1.一种超密异构网络中联合下上行的边缘计算迁移方法，其特征在于，包括以下步骤：1)构建一个由宏蜂窝和微蜂窝构成的双层异构网络，用户只能选择接入单个的宏蜂窝或者微蜂窝，不能同时接入两个；2)对于每一个宏蜂窝，在其覆盖的区域内微蜂窝和用户，测量上下行的信道状态和干扰状态，将结果上报给宏蜂窝，宏蜂窝计算后确定用户的接入和计算资源的分配；3)对于每一个用户，在整个带宽计算接收到的下行信号强度，分别选择一个宏蜂窝和一个微蜂窝作为候选接入蜂窝的集合，再根据联合下上行的边缘计算迁移方法确定任务在本地或者在宏蜂窝或者微蜂窝执行；4)联合下上行的边缘计算迁移方法的初始化，将此问题分为两个子问题：通信和计算资源分配和迁移决策问题，并采用交替迭代优化技术进行求解；所述的步骤4)中所使用的联合下上行的边缘计算迁移方法前期准备及其过程如下：①对下行链路和上行链路的干扰类型进行建模，建立信干噪比(SINR)模型，同一个基站使用时分复用，通过宏蜂窝覆盖的区域内微蜂窝和用户测量信道状态和干扰状态，得到SINR模型，采用香农容量公式得到用户上下行传输速率；②对用户的计算任务进行建模T_i＝(d_i,s_i,c_i)，其中s_i是上传数据的大小，e_i是任务完成后回传数据的大小，c_i是完成T_i所需的CPU周期，进而建立本地计算和边缘计算模型；③建立联合上下行的边缘计算迁移模型：A、任务迁移决策方案：用户的任务应在本地或边缘宏小区处理或者在边缘微微小区中；B、资源分配算法：边缘宏小区和微微小区的计算和通信资源应该分配给每个任务，从而建模为优化问题(OP1)：OP1:C1表示用户任务迁移的决策是由x_i,j表示，j＝0，x_i,j＝1表示用户i的任务在本地处理，j＝{1,2,…M+P}，x_i,j＝1表示用户i的任务在宏基站或微基站边缘服务器处理；C2表示用户在本地或边缘的计算任务的能量消耗小于E_i表示用户i剩余的电池能量；C3表示是由宏基站服务器上分配的处理能力，f_M为宏基站总处理容量的限制；C4表示是由宏小区服务器上的的分配处理能力，f_P为微基站总处理容量限制；C5表示宏蜂窝和微蜂窝下行链路和上行链路在时间资源上约束小于一帧的时间；其中，f_i和ρ_i分别表示用户i的每CPU周期的计算能力和能量成本，因此，通过计算T_i的处理延迟和能量成本分别为：和其中c_i是每个CPU周期的能量消耗，此外，可以获得用户在本地或边缘的计算任务T_i的能量消耗：其中E_i表示用户i剩余的电池能量，用户的下行链路速率是用户的上行链路速率是其中和是下行和上行链路的时间或者带宽，任务T_i在宏蜂窝执行时间为：任务T_i在微蜂窝处理时间和能量消耗可以计算：④容易发现OP1是一个混合整数规划问题，将OP1目标函数转换为OP2：上述问题属于混合整数规划问题，将此问题分为两个子问题，并采用交替迭代优化技术进行求解；⑤通信和计算资源分配问题：如果任务是否迁移决策变量x_i,j，接入微蜂窝p的集合和接入宏蜂窝m的集合是确定的，则原始问题OP1是关于f_i,j和b_i,j的凸规划，进而可以采用凸优化工具进行求解，给定决策变量x_i,j，接入微蜂窝p的集合和接入宏蜂窝m的集合则OP1中关于f_i,j和b_i,j的原始优化问题是凸规划问题，如果任务已经迁移到宏蜂窝或微蜂窝，那么仅剩下通信和计算资源分配问题，也就是说，x_i,j，和是固定的，目标函数OP1可以转换成如下OP2：由于f(x)＝1/x是凸函数的并且凸函数之和是凸的，且具有约束的凸集(C3‑C5)，很明显OP2是凸的，因此，可以采用凸优化(CVX)工具进行有效求解；所述的步骤F中的0‑1整数平滑决策方法如下：通过如下算法1所述的负载迁移决策算法求解转化后的优化问题OP2，包括以下步骤：A、初始化：给定和误差门限δ；B、如果k＝0,则和k＝k+1；C、如果得到的迭代结果为则计算i＝1,2,…N,j＝1,2…,M+P+1；D、用替代X，采用凸工具求解转化后的凸问题OP2求解E、如果则得到最优结果否则k＝k+1返回步骤3；对于优化问题OP2用函数替换变量x_i,j，并用z_i,j代替x_i,j，变换后问题是凸优化，并且约束条件形成凸空间，因此，转换后的问题可以通过凸工具有效求解；⑥迁移决策问题：对于解决方案和子问题f(φ)是关于φ的0‑1整数规划问题，由于x_i,j，和是0‑1变量，以表示用户i的任务是在本地，宏基站还是微基站执行，利用最优的和可以计算得到则得到问题OP2是0‑1整数规划如下所示约束：xi,j∈{0,1}采用平滑的对数函数log(|x_i,j|+σ)代替0‑1变量θ(x_i,j)，然后通过迭代最小化线性函数log(|x_i,j|+σ)，给定连续变量z_i,j≥0且其中N是用户数，将线性函数定义如下：其中ε是一个非常小的正则化常数，k表示迭代次数，然后，用χ(zi,j)替换xi,j，原函数转化之后OP2是凸函数，采用如下算法1进行求解；5)对于每一个用户的计算任务确定在本地，或者迁移到宏蜂窝或微蜂窝，那么仅剩下通信和计算资源分配问题，则通过采用凸优化工具进行求解。6)对于给定通信和计算资源分配进行任务迁移二值决策算法，采用平滑的对数函数log(|xi,j|+σ)代替0‑1的决策变量，转化为凸函数，进一步采用凸优化工具进行求解。7)通信和计算资源分配问题与任务迁移决策算法，进行反复迭代，直到得到的计算任务迁移决策、通信和计算资源分配结果的变化小于给定的误差门限，则终止迭代。8)迭代结束后，各个用户进行计算任务的迁移，宏蜂窝和微蜂窝对上下行配置计算和通信资源，最终返回任务的迁移结果。