1.一种基于公平时间的非正交多址接入的边缘计算时间和能耗优化方法,其特征在于,所述方法包括以下步骤:
1)在一组集成边缘计算服务器的基站的覆盖范围下有一个智能设备,一个智能设备有一组计算任务需要执行,其中智能设备需要处理的数据总量用stot表示,计算任务用集合表示;每个计算任务用一个基站传输,基站总数、边缘服务器总数均为I个,其中第i个边缘服务器的计算速度为μi;为减小任务执行时间,智能设备将计算任务量分为两个部分,即si与 其中,si表示分流到边缘服务器i上的任务量,用表示智能设备在本地执行的的计算任务量;为提高传输被分流计算任务时的传输效率,智能设备使用正交多址接入技术将被分流计算任务量 同时发送到各个相应的边缘服务器,发送时间用变量t表示;
目标是:在满足智能设备计算延时和能耗要求的前提下,通过联合优化智能设备的任务传输时间与本地或服务器计算延时以及分流到边缘服务器i上的任务量,智能设备的任务传输时间为变量t,分流到边缘服务器i上的任务量为变量{si},实现优化系统计算总时间和智能设备能耗,对应的联合优化问题被表述为以下数学优化问题:(SCM):minωdove+eove约束条件:0≤t≤dove≤Tmax待优化的变量:t,{si},dove下面将问题中的各个参数做一个说明,如下:t:NOMA传输时间,单位是秒;
dove:智能设备完成所有计算任务量stot所需要的总延迟,单位是秒;
eove:智能设备利用NOMA传输任务量和本地计算任务的总能耗,单位是焦耳;
μi:边缘服务器i所提供的计算速度,单位是兆比特/秒;
gi:从智能设备到边缘服务器i的信道功率增益;
W:智能设备的信道带宽,单位是赫兹;
n0:背景噪声的光谱功率密度;
g0:g0表示一个很大的数,因此
stot:智能设备需要处理的计算任务量,单位是兆比特;
μL:智能设备的本地计算速率,单位是兆比特/秒;
ρL:智能设备的本地计算的能量消耗,单位是焦耳/秒;
ω:智能设备完成总的计算任务量Stot所耗费的总延迟的权重;
Emax:智能设备的能耗预算,单位是焦耳;
Tmax:智能设备处理总的计算任务量所耗费的总延迟,单位是秒;
Pmax:智能设备运输卸载的计算任务量到边缘服务器的总的传输功率,单位是瓦特;
下面将问题中的各个变量做一个说明,如下:t:非正交传输时间,单位是秒;
dove:智能设备完成所有计算任务量Stot所需要的总延迟,单位是秒;
分流到边缘服务器i上的任务量,单位是兆比特;
2)SCM问题表示如下:
(SCM):minωdove+eove约束条件:0≤t≤dove≤Tmax待优化的变量:t,{si},doveSCM问题是在智能设备完成需要处理的计算任务量stot的情况下优化系统总延时和智能设备的总能耗,此时问题SCM有3个变量t,{si},dove;
通过分析公式 得到如下的等价式:
假设边缘服务器i所提供的计算速度是一样的,因此所有的μi都是一个常数,此时式转化为:解决SCM问题,提供一种公平时间的方法,即对令 通过引入一个辅助变量x来解决SCM问题,SCM问题是在给定智能设备的任务总量stot,边缘服务器的计算速度μi一样的情况下,如下:转化为:
si=(x-t)μi
将si=(x-t)μi带入 有:
基于公平时间的方法,有dove=x;SCM问题转化为SCM-E问题,如下:ove
(SCM-E):minωx+e
约束条件:0≤t≤x≤Tmax (1)待优化的变量:t,{si}
3)SCM问题解决思路如下:首先将SCM问题转化为SCM-E问题;其次,为了解决SCM-E问题,提出SCM-E-LS算法来解决;通过线性枚举0≤t≤Tmax的同时t的取值要满足公式(4),(5)的方法,从而可解得x,si,最后解得(t,si),即SCM问题的局部最优解;
4)对于求解SCM-E问题采用SCM-E-LS算法,步骤如下:步骤4.1:输入计算步长Δ=10-4,初始化各参数,stot,μL,μi,设定参数tupp=Tmax,θ*=ωx+eove,t=0,s*=0,其中设置CBV是一个足够大的数;
步骤4.2:如果t不满足公式(4)和(5)的话,设定t=t+Δ,转至步骤4.7;
步骤4.3:否则如果t满足公式(4)和(5)的话,将t带入 计算x的值;
max
步骤4.4:如果t满足公式(4)和(5)且t≤x≤T 的话,则输出x的值,将x的值带入si=(x-t)μi,计算出si的值,设定s*=si;
步骤4.5:如果t满足公式(4)和(5)且θ*
步骤4.6:设定t=t+Δ;
步骤4.7:如果t≤tupp时,转至步骤4.2;否则,转至执行步骤4.8;
步骤4.8:输出θ*=CBV,以及s*,t*;
输出的θ*代表:SCM-E问题所求智能设备完成所有计算工作量所需要的总延迟与智能设备的总能耗的局部最优解;输出的t*代表:对应的最优非正交传输时间;输出的s*代表:计算任务所需要的总延迟和智能设备的总能耗达到最优时,分流到边缘服务器i上的任务量。