1.一种面向物联网的雾计算任务卸载方法,其特征在于:该方法根据所提供网络场景的特性,联合优化IoT设备任务卸载决策、传输资源和计算资源分配、雾设备FN与IoT设备的双向匹配以最小化系统总开销,包括以下步骤:S1:基于层次分析法的QoS分析方案;
S2:任务卸载决策方案;
S3:传输资源和计算资源分配方案;
S4:FN与IoT设备双向匹配方案。
2.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法,其特征在于:在步骤S1中,建立一个网络卸载模型;
考虑到5G小蜂窝网络由下一代核心网NGC和无线接入网RAN组成;
RAN侧由密集部署的FNR={1,2,3,...,r,...,R}和IoT设备U={1,2,3,...,u,...,U}构成;每个FN有一定的可用RB数量,用N={1,2,3,…,N}表示;卸载到FN r∈R的IoT设备集合表示为Ur={1,2,3,…,Ur};IoT设备的QoS参数由M={1,2,...,M}表示;卸载决策应满足IoT设备的吞吐量和时延需求,并相应的考虑IoT设备的能耗敏感度和时延敏感度;将IoT设备的QoS需求作为决策因素,基于3GPP标准的典型数据流的QoS参数值,评估决策因素之间的相对重要性,得到局部权重 评估每个IoT设备的局部权重和最小QoS需求,得到FN r的全局权重 其中w1,w2,w3...分别表示FN r
对于IoT设备u1,u2,u3...的偏好权重值。
3.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法,其特征在于:在所述步骤S2中,卸载决策xu是二元变量,若IoT设备本地计算开销大于卸载计算开销,则xu=1,否则为0;即IoT设备卸载计算开销小于本地计算开销,IoT设备卸载到FN进行计算,否则,IoT设备选择本地计算。
4.根据权利要求3所述的一种面向物联网的雾计算任务卸载方法,其特征在于:在所述步骤S2中,IoT设备的本地计算开销包括时间开销和能量开销;
时间开销表示为完成任务所需的CPU周期数与IoT设备本地的计算能力的比值,本地能量开销表示为完成任务所需的CPU周期数与每周期能量消耗的乘积;
IoT设备的卸载计算开销包括时间开销和能量开销;将每个FN接收多个IoT设备的任务请求建模为M/M/1排队系统,时间开销为传输时延、排队时延和计算时延的累加和;卸载能量开销为任务从IoT设备到FN的传输能量,表示为发射功率与任务传输时间的乘积。
5.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法,其特征在于:在所述步骤S3中,每个选择卸载到FN的IoT设备要占用一定的RB数量,假设连接到FN r的A个IoT设备有任务卸载需求,FN r将计算资源平均的分配给各个IoT设备,为保证任务卸载到FN的时间开销不超过本地计算时间开销,得到IoT设备ur所需的最小RB个数 为了使卸载到FN的IoT设备的计算时延最小化,优化目标是最小化所有选择卸载的IoT设备在FN的总计算时间。
6.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法,其特征在于:在所述步骤S4中,考虑到IoT设备和FN的个人偏好,在两组U和R之间找到一个稳定的匹配;根据全局权重 集合中的元素,若IoT u的权值w大于IoT u′的权重值w′,则FN r更偏好于IoT设备u;若连接到FN r的IoT设备的系统开销 小于FN r′的系统开销 则IoT设备u更偏好于选择FN r进行卸载;
在匹配过程中,FN与IoT设备之间是一对多动态匹配,即FN r在RB受限的情况下,能够匹配多个IoT设备,直到不满足IoT设备的最小QoS需求。