1.一种车联网联合优化计算任务卸载比率和资源分配方法,其特征在于,应用于车联网系统,所述车联网系统包括:若干个车辆,所述车辆为行驶在道路上并携带有计算任务的车;
若干个服务器,依次设置于所述道路上;
其中,所述车辆与若干个服务器中的一个服务器通信连接;
所述方法包括步骤:
确定优化平均开销的目标函数及约束条件;其中,所述平均开销根据所有所述计算任务的卸载比率和计算资源分配信息确定,所述卸载比率为所述车辆将所述计算任务卸载至所述服务器的比率,所述计算资源分配信息为所述服务器对卸载的计算任务分配计算资源的信息;
在所述约束条件下,基于凸优化法对所述目标函数进行优化,得到优化的计算资源分配信息;
在所述约束条件下,基于蝴蝶优化法分别对所述目标函数进行优化,得到优化的卸载比率。
2.根据权利要求1所述的方法,其特征在于,每个计算任务的开销根据该计算任务的总时延和该计算任务的总能耗确定;
所述总时延为车辆计算时延、服务器计算时延中的最大值,所述服务器计算时延为传输时延和处理时延之和;
所述总能耗为车辆计算能耗和卸载能耗之和。
3.根据权利要求2所述的方法,其特征在于,所述目标函数为:其中,θi表示第i个计算任务的卸载比率,fmi表示第i个计算任务的计算资源分配信息,argmin(·)表示使函数取最小值时的自变量,N表示计算任务的数量,∑表示求和操作,λi表示第i个计算任务的权重因子,Ci表示完成第i个计算任务所需的CPU周期数,fv表示车辆的计算能力值,Di表示第i个计算任务的输入数据的大小,Rij表示第i个计算任务卸载到第j个服务器的数据传输速率,κ表示依赖于芯片结构的有效开电容,Pi表示车辆的发射功率。
4.根据权利要求3所述的方法,其特征在于,所述约束条件为:
0≤θi≤1
max
Ti≤Ti
其中,xi表示第i个计算任务所卸载到的服务器的编号,fmmax表示服务器的总的计算资max
源,Ti表示第i个计算任务的总时延,Ti 表示最大可容忍时延。
5.根据权利要求3所述的方法,其特征在于,所述车辆到与该车辆对应的服务器的通信链路为频率平坦型快衰落的瑞利信道;
所述数据传输速率为:
‑u/10
Gi=10
u=127+30log di(t)当所述车辆进入对应的服务器的覆盖范围时,当所述车辆离开对应的服务器的覆盖范围时,其中,BV2I表示车辆与对应的服务器之间的带宽大小,Gi表示携带第i个计算任务的车辆2
与对应的服务器之间的信道增益,σ表示信道内的高斯白噪声,u表示车辆的信道衰减值,di(t)表示携带第i个计算任务的车辆与对应的服务器的覆盖范围中心之间的距离,e表示车辆的行驶路线与对应的服务器的覆盖范围中心之间的距离,s表示车辆的行驶路线在服务器的覆盖范围的总弦长,tstay表示车辆从初始位置到离开对应的服务器的覆盖范围的时间,t表示时间,vi表示携带第i个计算任务的车辆的速度。
6.根据权利要求1所述的方法,其特征在于,所述服务器为移动边缘计算服务器,所述车辆与对应的服务器基于5G通信连接。
7.根据权利要求1所述的方法,其特征在于,所述在所述约束条件下,基于凸优化法对所述目标函数进行优化,得到优化的计算资源分配信息,包括:对优化问题进行初始化,以使车辆计算频率在0.9‑1.1GHz均匀随机分布,卸载计算频率在0.9‑1.1GHz均匀随机分布,卸载比率在0‑1之间均匀随机分布;
通过凸优化算法对所述目标函数进行优化,得到优化的计算资源分配信息
8.根据权利要求7所述的方法,其特征在于,所述在所述约束条件下,基于蝴蝶优化法分别对所述目标函数进行优化,得到优化的卸载比率,包括:初始化蝴蝶种群个数,最大迭代次数;
计算每只蝴蝶的刺激强度和个体适应度值,找到最优解;
产生0‑1之间的随机数;
若所述随机数小于预设阈值,则采用全局搜索,低浓度香味的蝴蝶个体将飞向浓度最佳的蝴蝶,全局搜索的公式如下:t t+1
其中,xi 、xi 分别表示第i只蝴蝶在第t次、t+1次迭代中的解向量;r是[0,1]的随机*
数;g为当前迭代中的最优解; 为第i只蝴蝶的个体适应度值;
若所述随机数大于预设阈值,则采用局部搜索,局部搜索的公式如下:t t
其中,xj、xk分别表示在t次迭代中,从种群内部随机选择的第j、k个个体的解向量;
判断迭代次数是否达到最大迭代次数,若是则输出当前最优解作为优化的卸载比率,若否则继续执行计算每只蝴蝶的刺激强度和个体适应度值,找到最优解的步骤,直至迭代次数达到最大迭代次数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。