CN108880893B - 一种移动边缘计算服务器联合能量收集及任务卸载方法 - Google Patents
一种移动边缘计算服务器联合能量收集及任务卸载方法 Download PDFInfo
- Publication number
- CN108880893B CN108880893B CN201810678501.3A CN201810678501A CN108880893B CN 108880893 B CN108880893 B CN 108880893B CN 201810678501 A CN201810678501 A CN 201810678501A CN 108880893 B CN108880893 B CN 108880893B
- Authority
- CN
- China
- Prior art keywords
- sub
- task
- server
- mec
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Power Sources (AREA)
Abstract
本发明涉及一种移动边缘计算服务器联合能量收集及任务卸载方法,属于无线通信技术领域。该方法包括以下步骤:S1:建模MEC服务器电量状态;S2:建模用户联合开销;S3:建模用户任务执行时延;S4:建模用户任务执行所需能耗;S5:建模用户任务执行限制条件;S6:基于最短路径算法确定用户最优任务卸载策略。本发明通过优化确定用户任务最优卸载策略,实现任务联合开销最小化。
Description
技术领域
本发明属于无线通信技术领域,涉及移动边缘计算服务器联合能量收集及任务卸载方法。
背景技术
随着移动互联网的快速发展和智能终端的普及,用户希望在智能终端上运行桌面级应用程序,例如交互式游戏,虚拟现实和自然语言处理等。然而,处理这些新兴的移动应用通常需要较高的计算及能量开销,对智能终端有限的计算能力和电池电量提出严峻挑战。针对这一问题,已有研究提出基于移动边缘计算(Mobile Egde Computing,MEC)卸载技术,通过在网络中部署具有较强计算能力的MEC服务器,将用户终端计算任务从移动设备卸载至MEC服务器进行处理,可有效提高智能终端的服务性能,显著降低终端能耗。
目前已有研究中,有文献针对单用户卸载的场景设计卸载策略,基于马尔科夫决策过程理论,在满足任务执行时延最小的情况下确定最优卸载策略。又例如,有文献研究将相对复杂的任务分解为子任务执行部分卸载处理,在满足任务执行时延约束的情况下,基于能耗最小化确定最优卸载策略。
现有任务卸载相关研究较少考虑MEC服务器能量收集及服务器分配问题,难以实现能耗优化及绿色通信。此外,现有卸载策略研究较多考虑任务执行时延优化,较少研究任务执行时延与能耗的折中,这可能导致网络能耗增加,对于能效敏感用户设备而言,传输性能及用户体验难以保障。
发明内容
有鉴于此,本发明的目的在于提供一种移动边缘计算服务器联合能量收集及任务卸载方法,确定最优卸载策略,实现时延和能耗的联合执行开销最小化。
为达到上述目的,本发明提供如下技术方案:
一种移动边缘计算服务器联合能量收集及任务卸载方法,包括以下步骤:
S1:建模MEC服务器电量状态;
S2:建模用户联合开销;
S3:建模用户任务执行时延;
S4:建模用户任务执行所需能耗;
S5:建模用户任务执行限制条件;
S6:基于最短路径算法确定用户最优任务卸载策略。
进一步,所述步骤S1具体包括:假设用户任务分为K个子任务,各子任务之间按照顺序依次执行处理;MEC服务器由N个子服务器组成,各子服务器均能执行任务卸载;另假设MEC服务器由所采集的绿色能源(如太阳能)供电,根据公式建模采用nk-1个MEC子服务器处理子任务k-1后,MEC服务器的电量状态,其中,表示MEC服务器处理子任务k-1时的电量状态,nk表示处理子任务k时MEC服务器开启的子服务器数目,表示在处理子任务k-1期间,nk-1个MEC子服务器收集的电量,建模为其中,ρ表示单位时间收集的能量,表示采用nk-1个MEC子服务器处理子任务k-1时所需执行时延,表示由nk-1个MEC子服务器处理子任务k-1所需的能耗,表示max{min{x,B},0},B为MEC服务器最大电量值。
进一步,所述步骤S2具体包括:根据公式建模用户联合开销为用户执行子任务的开销总和,其中,若子任务k在本地执行处理,则nk=0;表示采用nk个MEC子服务器处理子任务k所需开销,建模为其中,表示采用nk个MEC子服务器处理子任务k所需的总能耗,λ1、λ2分别表示为时延和能耗的权重。
将用户任务处理过程建模为带权有向图G=<V,E,W>,其中,V为图中节点集合,建模为MEC服务器处理子任务时开启的子服务器数目集合,V={V0,V1,0,...,V1,N,...,VK,N,VK+1},其中,V0和VK+1分别表示图中引入的源节点和目的节点,表示开启nk个子服务器处理子任务k,1≤k≤K,E为连接节点的边集合,其中,表示连接节点和的边,表示连接源节点V0和节点的边,表示连接节点和目的节点VK+1的边,根据的值限制各节点之间的连接状态;W表示各边的权重集合,其中,根据公式建模的权重值,的权重值为0;
本发明的有益效果在于:本发明可以通过优化确定用户任务最优卸载策略,实现任务联合开销最小化。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为MEC服务器卸载的网络示意图;
图2为本发明所述方法的流程示意图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明提出一种移动边缘计算服务器联合能量收集及任务卸载方法,假设用户需执行一定计算任务,任务可分为子任务分别处理,MEC服务器及用户本身均有一定的任务计算及处理能力,用户可采用本地执行,也可通过MEC服务器实现任务卸载。此外,MEC服务器具有能量收集的能力,MEC服务器电量状态决定了MEC服务器计算资源的分配。建模用户联合开销为优化目标,基于狄杰斯特拉算法,确定最优卸载策略实现时延和能耗的联合执行开销最小化。
如图1所示,MEC服务器由具有能量收集能力的子服务器组成,用户任务可采用本地执行,也可通过MEC服务器实习任务卸载,用户选择合适的方式卸载任务,通过优化用户任务卸载策略最小化任务联合执行开销。
如图2所示,本发明所述方法具体包括以下步骤:
1)建模MEC服务器电量状态
建模MEC服务器电量状态,具体为根据公式建模采用nk-1个MEC子服务器处理子任务k-1后,MEC服务器的电量状态,其中,为MEC服务器处理子任务k-1时的电量状态,nk表示处理子任务k时MEC服务器开启的子服务器数目,表示在处理子任务k-1期间,nk-1个MEC子服务器收集的电量,建模为其中,ρ表示单位时间收集的能量,表示采用nk-1个MEC子服务器处理子任务k-1时所需执行时延,表示由nk-1个MEC子服务器处理子任务k-1所需的能耗,表示max{min{x,B},0},B为MEC服务器最大电量值。
2)建模用户联合开销
建模用户联合开销,具体为根据公式建模用户联合开销为用户执行子任务的开销总和,其中,表示采用nk个MEC子服务器处理子任务k所需开销,若子任务k在本地执行处理,则nk=0。建模为其中,表示采用nk个MEC子服务器处理子任务k所需的总能耗,λ1、λ2分别表示时延和能耗的权重。
3)建模用户任务执行时延
建模用户联合开销,具体为根据公式建模其中,ak={0,1}为子任务卸载标识,若ak=0,表示子任务k在本地执行;若ak=1,表示子任务k卸载至MEC服务器进行处理;表示用户上传子任务k至MEC服务器所需传输时延,建模为其中,Sk表示子任务k的大小,R表示用户上传子任务的传输速率,建模为M表示传输带宽,p表示用户发射功率,h表示信道增益,σ2表示信道噪声功率;表示采用nk个MEC子服务器处理子任务k的处理时延,建模为其中,fc表示各MEC子服务器的计算能力大小,nk≠0;表示用户本地处理子任务k的处理时延,建模为其中,fm表示用户本地计算能力大小。
4)建模用户任务执行所需能耗
建模用户任务执行所需能耗,具体为根据公式建模其中,表示用户上传子任务k至MEC服务器所需能耗,建模为表示采用nk个MEC子服务器处理子任务k的能耗,建模为其中,μc表示MEC服务器中子服务器CPU计算单位时间能耗;表示用户本地处理子任务k的能耗,建模为其中,μm表示本地计算CPU单位时间能耗权重。
5)建模用户任务执行限制条件
6)基于最短路径算法确定用户最优任务卸载策略
将用户任务处理过程建模为带权有向图G=<V,E,W>,其中,V为图中节点集合,建模为MEC服务器处理子任务时开启的子服务器数目集合,V={V0,V1,0,...,V1,N,...,VK,N,VK+1},其中,V0和VK+1表示图中引入的源节点和目的节点,表示开启nk个子服务器处理子任务k,1≤k≤K,E为连接节点的边集合,其中,表示连接节点和的边,表示连接源节点V0和节点的边,表示连接节点和目的节点VK+1的边,根据的值限制各节点之间的连接状态;W表示各边的权重集合,其中,根据公式建模的权重值,的权重值为0。基于狄杰斯特拉算法,优化确定V0与VK+1之间联合开销最小的路由,即
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (1)
1.一种移动边缘计算服务器联合能量收集及任务卸载方法,其特征在于,该方法包括以下步骤:
S1:建模移动边缘计算MEC服务器电量状态;
S2:建模用户联合开销;
S3:建模用户任务执行时延;
S4:建模用户任务执行所需能耗;
S5:建模用户任务执行限制条件;
S6:基于最短路径算法确定用户最优任务卸载策略;
所述步骤S1具体包括:假设用户任务分为K个子任务,各子任务之间按照顺序依次执行处理;MEC服务器由N个子服务器组成,各子服务器均能执行任务卸载;另假设MEC服务器由所采集的绿色能源供电,根据公式建模采用nk-1个MEC子服务器处理子任务k-1后,MEC服务器的电量状态,其中,表示MEC服务器处理子任务k-1时的电量状态,nk表示处理子任务k时MEC服务器开启的子服务器数目,表示在处理子任务k-1期间,nk-1个MEC子服务器收集的电量,建模为其中,ρ表示单位时间收集的能量,表示采用nk-1个MEC子服务器处理子任务k-1时所需执行时延,表示由nk-1个MEC子服务器处理子任务k-1所需的能耗,表示max{min{x,B},0},B为MEC服务器最大电量值;
所述步骤S2具体包括:根据公式建模用户联合开销为用户执行子任务的开销总和,其中,若子任务k在本地执行处理,则表示采用nk个MEC子服务器处理子任务k所需开销,建模为其中,表示采用nk个MEC子服务器处理子任务k所需的总能耗,λ1、λ2分别表示为时延和能耗的权重;
将用户任务处理过程建模为带权有向图G=<V,E,W>,其中,V为图中节点集合,建模为MEC服务器处理子任务时开启的子服务器数目集合,V={V0,V1,0,...,V1,N,...,VK,N,VK+1},其中,V0和VK+1分别表示图中引入的源节点和目的节点,表示开启nk个子服务器处理子任务k,1≤k≤K,E为连接节点的边集合,其中,表示连接节点和的边,表示连接源节点V0和节点的边,表示连接节点和目的节点VK+1的边,根据的值限制各节点之间的连接状态;W表示各边的权重集合,其中,根据公式建模的权重值,的权重值为0;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810678501.3A CN108880893B (zh) | 2018-06-27 | 2018-06-27 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810678501.3A CN108880893B (zh) | 2018-06-27 | 2018-06-27 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108880893A CN108880893A (zh) | 2018-11-23 |
CN108880893B true CN108880893B (zh) | 2021-02-09 |
Family
ID=64295856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810678501.3A Active CN108880893B (zh) | 2018-06-27 | 2018-06-27 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108880893B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109618399A (zh) * | 2018-12-26 | 2019-04-12 | 东华大学 | 多用户移动边缘计算系统中的分布式能量管理优化方法 |
CN109767117B (zh) * | 2019-01-11 | 2021-05-18 | 中南林业科技大学 | 移动边缘计算中联合任务调度的功率分配方法 |
CN109922479B (zh) * | 2019-01-11 | 2020-11-24 | 西安电子科技大学 | 一种基于时延预估的计算任务卸载方法 |
CN109800072B (zh) * | 2019-01-22 | 2021-07-09 | 深圳市简智联信息科技有限公司 | 基于边缘计算的任务调度优化方法和装置 |
CN109918894B (zh) * | 2019-03-01 | 2020-11-27 | 中南大学 | 边缘计算网络视频处理中基于声誉的信任评估方法 |
CN109756912B (zh) * | 2019-03-25 | 2022-03-08 | 重庆邮电大学 | 一种多用户多基站联合任务卸载及资源分配方法 |
CN109992419A (zh) * | 2019-03-29 | 2019-07-09 | 长沙理工大学 | 一种优化的协同边缘计算低延迟任务分配卸载方法 |
CN110087257B (zh) * | 2019-04-24 | 2022-04-22 | 重庆邮电大学 | 一种支持移动边缘计算的任务卸载装置及方法 |
CN110113190B (zh) * | 2019-04-24 | 2021-04-09 | 西北工业大学 | 一种移动边缘计算场景中卸载时延优化方法 |
CN110096362B (zh) * | 2019-04-24 | 2023-04-14 | 重庆邮电大学 | 一种基于边缘服务器协作的多任务卸载方法 |
CN110113195B (zh) * | 2019-04-26 | 2021-03-30 | 山西大学 | 一种移动边缘计算系统中联合卸载判决和资源分配的方法 |
CN110177055B (zh) * | 2019-05-29 | 2020-08-18 | 电子科技大学 | 一种边缘计算场景下边缘域资源的预分配方法 |
CN110621031B (zh) * | 2019-07-31 | 2021-05-28 | 中南大学 | 一种基于异构能量获取的多用户多任务移动边缘计算节能方法 |
CN110798858B (zh) * | 2019-11-07 | 2023-04-25 | 华北电力大学(保定) | 基于代价效率的分布式任务卸载方法 |
CN111741531B (zh) * | 2020-08-12 | 2020-11-24 | 浙江工商大学 | 一种5g基站下通信设备最佳运行状态的优化方法 |
CN113114733B (zh) * | 2021-03-24 | 2022-07-08 | 重庆邮电大学 | 基于能量收集的分布式任务卸载和计算资源的管理方法 |
CN113159539B (zh) * | 2021-04-07 | 2023-09-29 | 中山大学 | 多层边缘计算系统中联合绿色能量调度和动态任务分配方法 |
CN115686669B (zh) * | 2022-10-17 | 2023-05-23 | 中国矿业大学 | 一种能量收集辅助的矿山物联网智能计算卸载方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
WO2017121478A1 (en) * | 2016-01-14 | 2017-07-20 | Sony Mobile Communications Inc. | User equipment selection for mobile edge computing |
CN107249218A (zh) * | 2017-06-05 | 2017-10-13 | 东南大学 | 一种mec中无线资源和云资源的联合分配方法 |
CN107682443A (zh) * | 2017-10-19 | 2018-02-09 | 北京工业大学 | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
-
2018
- 2018-06-27 CN CN201810678501.3A patent/CN108880893B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017121478A1 (en) * | 2016-01-14 | 2017-07-20 | Sony Mobile Communications Inc. | User equipment selection for mobile edge computing |
CN106534333A (zh) * | 2016-11-30 | 2017-03-22 | 北京邮电大学 | 一种基于mec和mcc的双向选择计算卸载方法 |
CN107249218A (zh) * | 2017-06-05 | 2017-10-13 | 东南大学 | 一种mec中无线资源和云资源的联合分配方法 |
CN107682443A (zh) * | 2017-10-19 | 2018-02-09 | 北京工业大学 | 联合考虑延迟和能量消耗的移动边缘计算系统计算任务的高效卸载方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
Non-Patent Citations (1)
Title |
---|
Delay-constrained hybrid computation offloading with cloud and fog computing;Meng Xianling;《IEEE》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108880893A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108880893B (zh) | 一种移动边缘计算服务器联合能量收集及任务卸载方法 | |
CN108920280B (zh) | 一种单用户场景下的移动边缘计算任务卸载方法 | |
CN111240701B (zh) | 一种端-边-云协同计算的任务卸载优化方法 | |
CN110928654B (zh) | 一种边缘计算系统中分布式的在线任务卸载调度方法 | |
CN111918339B (zh) | 移动边缘网络中基于强化学习的ar任务卸载和资源分配方法 | |
CN110096362B (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
CN109767117B (zh) | 移动边缘计算中联合任务调度的功率分配方法 | |
CN112512063B (zh) | 基于射频能量收集的无人机协助边缘计算的资源分配方法 | |
CN110955463B (zh) | 支持边缘计算的物联网多用户计算卸载方法 | |
CN111913723A (zh) | 基于流水线的云-边-端协作卸载方法和系统 | |
CN110489176B (zh) | 一种基于装箱问题的多接入边缘计算任务卸载方法 | |
CN112380008A (zh) | 一种面向移动边缘计算应用的多用户细粒度任务卸载调度方法 | |
CN113286329B (zh) | 基于移动边缘计算的通信和计算资源联合优化方法 | |
CN111711962B (zh) | 一种移动边缘计算系统子任务协同调度方法 | |
CN112214301B (zh) | 面向智慧城市基于用户偏好的动态计算迁移方法及装置 | |
CN114285853A (zh) | 设备密集型工业物联网中基于端边云协同的任务卸载方法 | |
CN108009024A (zh) | Ad-hoc云环境中分布式博弈任务卸载方法 | |
CN113286317A (zh) | 一种基于无线供能边缘网络的任务调度方法 | |
CN113727362A (zh) | 一种基于深度强化学习的无线供电系统的卸载策略方法 | |
CN110149401A (zh) | 一种用于优化边缘计算任务的方法和系统 | |
CN115396953A (zh) | 移动边缘计算中一种基于改进粒子群算法的计算卸载方法 | |
CN115473896A (zh) | 基于dqn算法的电力物联网卸载策略和资源配置优化方法 | |
CN116233927A (zh) | 一种在移动边缘计算中负载感知的计算卸载节能优化方法 | |
CN117579701A (zh) | 一种移动边缘网络计算卸载方法及系统 | |
CN110851268B (zh) | 一种基于拥塞博弈的边缘调度优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |