欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2022103208330
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种能量队列均衡的边缘计算方法,其特征在于:包括以下步骤:S1:将任务处理的整个时间段划分为多个等长的时隙,在每个时隙随机产生服从泊松过程的多媒体任务数据包并确定每个包的长度;

S2:本地端能耗模型:根据任务切片构建本地处理、任务卸载传输的能耗模型,本地处理功耗和卸载传输功耗满足最大功耗约束;

S3:边缘计算总能耗:多核MEC服务器调度其计算资源为卸载用户提供服务,且每个核在一个时隙只能处理一个用户的任务,每个用户的任务可在多个核上同时处理,边缘服务器总能耗根据所有核的处理频率获得,为本地处理、卸载传输以及边缘计算建立任务等待处理队列;

S4:用户信道匹配:确定系统的信道数,根据用户数以及每条信道的传输增益,考虑到用户任务的传输队长,采用匈牙利算法为用户匹配最佳传输信道;

S5:动态优化求解:建立系统最小长期平均时间总能耗优化问题,采用李雅普诺夫方法动态优化任务分配以及资源调度策略,将目标问题分解为多个子问题进行求解。

2.根据权利要求1所述的能量队列均衡的边缘计算方法,其特征在于:所述步骤S2具体包括以下步骤:S21:当任务数据包随机产生后,任务一部分留在本地执行一部分卸载处理,分配给本地执行的任务量用 表示,卸载任务量为 任务切片表示为:其中,Ak(t)为产生的总任务量;设任务在本地处理的频率为 通过动态电压频率调节DVFS机制自适应调整,处理每bit任务所需CPU周期数为ρ,则本地实际处理的任务量为其中τ为每个时隙的长度,本地处理能耗通过式子 获得,其中,Tl为取决于CPU硬件条件相关的参数;

S22:任务卸载传输,忽略下行链路的结果返回,受路径损失、快衰落以及慢衰落的影响,第k个用户在信道n上卸载任务的信道增益为hk,n,每条信道的带宽固定为B,根据香农定理,卸载传输速率表示如下:求出卸载传输能耗为 本地计算功耗和卸载传输功耗满足设备的功耗限制,即满足以下约束:

其中, 为本地设备用于计算和传输的最大功率。

3.根据权利要求1所述的能量队列均衡的边缘计算方法,其特征在于:所述步骤S3具体包括以下步骤:S31:边缘服务器调度其计算资源为卸载任务提供服务,MEC服务器有J个核,且每个核的最大CPU频率为 表示用户k在第j个核上处理任务的频率,则用户k在服务器上总的任务处理量为 MEC服务器的总能耗为:在第t时隙的系统总能耗表示如下:

S32:为任务分别建立计算、传输等待队列;本地计算队长更新为当前队长加上当前时刻产生的本地计算任务切片再减去任务处理完成量,卸载传输队长为当前时刻队长加上产生的卸载任务切片减去卸载任务量,同理更新边缘任务等待处理队列,具体表达式如下:其中,Rk(t+1),Uk(t+1),Hk(t+1)分别为更新后的本地任务等待队列、任务卸载传输队列、边缘等待处理队列。

4.根据权利要求1所述的能量队列均衡的边缘计算方法,其特征在于:所述步骤S4具体包括:边缘服务器部署在基站附近,基站作为信号接入点与其覆盖范围内的用户设备进行通信;采用匈牙利算法为用户匹配最佳传输信道,用户信道分配加权矩阵如下:在W矩阵中,每一行代表每个用户,每一列代表不同的子信道,w1,w2分别为加权因子用于权衡信道增益和任务传输队列;在用户数与信道数不相等的情况下,补充虚拟信道或虚拟用户将矩阵化为方阵求解。

5.根据权利要求1所述的能量队列均衡的边缘计算方法,其特征在于:所述步骤S5具体包括以下步骤:S51:确定系统的优化问题P:

其中, 为本地切片和卸载任务切片的级联向量,优化问题P满足所有队列稳定、本地功耗以及边缘计算最大频率相关约束,在每个时隙根据步骤S4动态为用户分配的传输信道,采用李雅普诺夫优化理论以较低的复杂度求解任务卸载决策和计算资源分配策略;

定义θ(t)=[Rk(t),Uk(t),Hk(t)]作为所有队列和虚拟队列的级联向量,为求解问题P,首先定义李雅普诺夫函数为:其次,建立在第t时隙的李雅普诺夫漂移函数:

ΔL(θ(t))=E{L(θ(t+1))‑L(θ(t))|θ(t)}在任何控制算法下,对于所有t,所有θ(t)的可能值以及所有参数V≥0李雅普诺夫漂移加惩罚项都遵循以下上界:其中,C为推导过程中的常数;

S52:根据步骤S51获得的李雅普诺夫漂移加惩罚项上界,将原始问题拆分为多个瞬时优化子问题求解;在线任务分配子问题表示如下:直接获得任务分配的最优解为:

在每个时隙,考虑资源受限的用户设备;通过解决以下子问题来对用户资源调度进行优化:获得问题P2的本地最优CPU频率和最优传输功率:

若 则存在最优传输功率 满足:

* *

否则, 若 则最优拉格朗日乘子α=0;当α>0

时,

MEC服务器调度其计算资源为用户提供服务,通过求解以下子问题获得被用户占用的CPU核的最优频率:将问题P3分解为J个独立的子问题求解;对于每个CPU核,用户占用其计算资源时的最优CPU频率,MEC调度其计算资源表示如下:对 CPU核的最优频率通过以下方法解决:

其中,

根据little公式得到系统平均排队时延如下: