CN108901075A - 一种基于gs算法的资源分配方法 - Google Patents
一种基于gs算法的资源分配方法 Download PDFInfo
- Publication number
- CN108901075A CN108901075A CN201810687073.0A CN201810687073A CN108901075A CN 108901075 A CN108901075 A CN 108901075A CN 201810687073 A CN201810687073 A CN 201810687073A CN 108901075 A CN108901075 A CN 108901075A
- Authority
- CN
- China
- Prior art keywords
- user
- channel
- mec
- matrix
- time delay
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000013468 resource allocation Methods 0.000 title claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000007599 discharging Methods 0.000 claims description 21
- 230000006855 networking Effects 0.000 claims description 5
- 230000001413 cellular effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000001174 ascending effect Effects 0.000 claims description 2
- 230000001934 delay Effects 0.000 claims 1
- 238000005562 fading Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明属于通信5G以及边缘计算技术领域,具体的说是一种基于GS算法的资源分配方法。本发明的基本思路是在一个小基站放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务,同时蜂窝用户可以按照待执行任务的特性来选择与宏基站相连的云计算服务。本发明的有益效果为,本发明的方法复杂度低,保证了用户的通信需求,可以为用户匹配合适的计算服务,提高时延性能。
Description
技术领域
本发明属于通信5G以及边缘计算(Mobile Edge Computing,MEC)技术领域,具体涉及一种基于GS算法的资源分配方法,涉及GS算法(the Gale-Shapley algorithm)以及超密集组网(Ultra-Density Network,UDN)、边缘计算、云计算(Cloud Computing)等技术。
背景技术
云计算是最早出现的计算卸载技术,这是一种中央式的计算卸载模型,通常通过互联网来提供动态易扩展且虚拟化的资源。云计算使计算分布在大量的分布式计算机上,而非本地计算机或远程服务器中,让终端设备选择将自己的计算任务(存储任务)交由云端执行以节省自身有限的计算资源(存储资源)以及能耗。
边缘计算是相对于云计算提出来的。很多行业对实时性、可靠性与安全性等有严格要求,例如物联网终端作为一种便携可移动的装置,有它区别于传统互联网设施的特点。但是由于其受限于接入带宽、流量以及成本、能耗等条件,所以对数据应该进行合理的处理,特别是进行预处理,以便能够“物尽其用”,避免资源的浪费。因此,在靠近物或者数据源头的网络边缘就需要一个集连接、计算、存储和应用的开放平台,就近提供边缘智能服务。概括来说就是:边缘计算可以满足敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的需求,而这些需求正是物联网行业需要解决的问题。
在5G移动通信技术的设计中,接入密度为106每平方公里,为了满足如此庞大的接入需求,5G采用了超密集组网技术:一个小区有一个宏基站以及大量的微基站组成,每个微基站负责为邻近的蜂窝用户服务。
由于现在互联网的信息越来越多,移动终端也需要应对不同种类的计算任务。在混合网络之中引入MEC计算卸载技术可以有效解决蜂窝用户的计算能力受限问题,并且可以弥补云计算在时延性能方面的不足,从而为整个网络提供时延性能与计算性能兼具的计算卸载服务。同时,基于GS算法进行卸载方式(云计算、边缘计算、本地计算)、信道和用户的匹配,在降低复杂度的同时可以适当提升系统的性能。
发明内容
本发明针对上述问题提出了一种基于GS算法的资源分配方法,旨在提高蜂窝系统中接入终端的计算能力与时延性能。本发明的基本思路是在一个小基站(Small BaseStation,SBS)放置一个MEC服务器来为该微小区的蜂窝用户提供边缘计算服务,同时蜂窝用户可以按照待执行任务的特性来选择与宏基站(Macro Base Station,MBS)相连的云计算服务。该方案可以为用户匹配合适的计算服务,提高时延性能。
首先介绍系统模型:
如图1所示,考虑一个上行的超密集组网的蜂窝系统,存在一个中心的宏基站MSB,与云计算服务器相连接,以及若干个小基站SBS,每个SBS放置了一个边缘计算服务器;每个小基站有若干个接入的蜂窝用户,每个用户都有一个待执行任务,每个任务有两个属性:输入数据量与CPU执行周期数,且每个任务可以选择在本地执行、MEC服务器上执行或者云计算服务器上执行。这里以一个小基站为例:假设小基站的接入蜂窝用户数为N,有K个独立的子信道可供分配。同时用户,MEC服务器,云计算服务器的计算能力分别为:其他的变量如下表1所示:
表1参数说明
本发明的方法为:
首先定义计算三种卸载情况的时延的方法:
其中,
在开始的时候,用户i的MEC资源分配方式为:用户i按照其卸载量占总卸载量的比例来分配MEC资源。
本发明的方法的具体步骤如下:
Step1、计算时延。
先为每个用户计算每个信道的时延,即每个用户对应的每个信道通过比较MEC卸载和云计算的时延,选择时延小的作为该用户在该信道下的卸载方式(比较和)。然后为每个用户计算本地卸载时延
Step2、创建GS算法所需的两个矩阵。
第一个是关于用户的矩阵,衡量指标是时延。将所有用户所有信道下的时延以及本地卸载时延放到一个矩阵里,即矩阵的横轴代表用户,纵轴最后一列(第K+1列)代表本地卸载时延,第一列到倒数第二列代表每个信道的时延,每个信道采用的是MEC服务器执行与云端执行其中的一种。创建好第一个矩阵后,对其进行每个用户的优先级的排序,即每个用户按照时延大小进行升序排列,于是得到了用户的优先级矩阵,该矩阵的每个元素为信道的索引值,假如是本地卸载,索引值为K+1(K为信道个数)。
第二个是关于信道的矩阵,衡量指标是卸载量,之所以不考虑用时延作为衡量指标,是因为会存在用户卸载量小、分配的信道好从而时延小的情况,这不符合MEC资源分配的初衷。于是,该矩阵的横轴代表信道,纵轴代表第一个用户到最后一个用户的卸载量大小。该矩阵创建好之后,对每个信道对应的每个用户的卸载量进行降序排列,于是得到了信道的优先级矩阵,该矩阵的每个元素同样为代表用户的索引值。
Step3、运用GS算法进行资源分配,这一步之后将同时得到每个用户的卸载方式、信道分配和时延。具体为:
先遍历用户优先级矩阵的第一列,假如还有用户没有确定卸载方式,则在用户优先级矩阵中为该用户选择最优的卸载方式。假如选择的是MEC或者云计算的某个信道,并且该信道在此之前已经被另外的用户分配了,于是比较信道优先级矩阵里该信道倾向于哪个用户,即排序排在前面的用户优先级高于另一个用户从而该信道归它所有,另一个用户在此步骤将不会得到信道。
假如有多个用户占用多个信道,从而导致占用的信道数大于信道总数,则比较这些用户的卸载量,选择卸载量最好的那些用户来占用信道,其余的用户均采用本地卸载的方式。
重复Step3,直到所有用户都分配到卸载方式。
Step4、为使用MEC卸载方式的每个用户重新分配MEC资源。
之前的步骤已经确定好了哪些用户使用MEC卸载方式,于是这些用户的MEC资源按照卸载量的大小按比例来分配,也就是说,该用户的卸载量占所有使用MEC卸载方式的用户的总卸载量的比例是多少,该用户就分得多少比例的MEC资源。相比于Step1,这个参数已经发生了变化,将更新后的参数代入到式中,即可得到使用MEC卸载的每个用户的时延。
至此,每个用户的卸载方式、信道分配和时延便得到确定。
本发明的有益效果为,本发明的方法复杂度低,保证了用户的通信需求,可以为用户匹配合适的计算服务,提高时延性能。。
附图说明
图1为超密集组网的蜂窝系统型示意图。
具体实施方式
发明内容部分已经对本发明的方案进行了详细描述,在此不再赘述。
Claims (1)
1.一种基于GS算法的资源分配方法,该方法用于超密集组网的蜂窝系统,设定系统中具有一个与云计算服务器连接的中心宏基站MSB,以及若干个小基站SBS,每个SBS放置了一个边缘计算服务器;每个小基站接入的蜂窝用户数为N,有K个独立的子信道可供分配,每个用户都有一个待执行任务,每个任务有两个属性:输入数据量与CPU执行周期数,且每个任务可以选择在本地执行、边缘计算MEC服务器上执行或者云计算服务器上执行,设定用户,MEC服务器,云计算服务器的计算能力分别为:定义计算三种卸载情况的时延的方法为:
其中,αi为用户i的任务的输入数据量,βi为用户i的任务的执行周期数,B为子信道带宽,σ2为热噪声功率,P为用户发射功率,H(i,j)为信道矩阵,第i行第j列的元素表示用户i在信道j上的增益,di为用户i与SBS的距离,γ为大尺度衰落系数;并设定在开始的时候,用户i的MEC资源分配方式为:用户i按照其卸载量占总卸载量的比例来分配MEC资源;
其特征在于,所述资源分配方法包括以下步骤:
S1、计算时延:
先为每个用户计算每个信道的时延,即每个用户对应的每个信道通过比较MEC卸载和云计算的时延选择时延小的作为该用户在该信道下的卸载方式,然后为每个用户计算本地卸载时延
S2、创建GS算法所需的两个矩阵:
(1)用户优先级矩阵,衡量指标是时延:将所有用户所有信道下的时延以及本地卸载时延放到一个矩阵里,即矩阵的横轴代表用户,纵轴最后一列,即第K+1列代表本地卸载时延,第一列到倒数第二列代表每个信道的时延,每个信道采用的是MEC服务器执行与云端执行其中的一种;创建好第一个矩阵后,对其进行每个用户的优先级的排序,即每个用户按照时延大小进行升序排列,得到用户的优先级矩阵,该矩阵的每个元素为信道的索引值;
(2)信道优先级矩阵,衡量指标是卸载量:该矩阵的横轴代表信道,纵轴代表第一个用户到最后一个用户的卸载量大小;第二个矩阵创建好之后,对每个信道对应的每个用户的卸载量进行降序排列,得到了信道的优先级矩阵,该矩阵的每个元素为代表用户的索引值;
S3、运用GS算法进行资源分配,同时得到每个用户的卸载方式、信道分配和时延,具体为:
先遍历用户优先级矩阵的第一列,假如还有用户没有确定卸载方式,则在用户优先级矩阵中为该用户选择最优的卸载方式;假如选择的是MEC或者云计算的某个信道,并且该信道在此之前已经被另外的用户分配了,于是比较信道优先级矩阵里该信道倾向于哪个用户,即排序排在前面的用户优先级高于另一个用户从而该信道归它所有,另一个用户在此步骤将不会得到信道;
假如有多个用户占用多个信道,从而导致占用的信道数大于信道总数,则比较这些用户的卸载量,选择卸载量最好的那些用户来占用信道,其余的用户均采用本地卸载的方式;
重复步骤S3,直到所有用户都分配到卸载方式;
S4、为使用MEC卸载方式的每个用户重新分配MEC资源:
根据确定的使用MEC卸载方式的用户,这些用户的MEC资源按照卸载量的大小按比例来分配,即该用户的卸载量占所有使用MEC卸载方式的用户的总卸载量的比例是多少,该用户就分得多少比例的MEC资源,据此更新将更新后的参数代入到式中,即可得到使用MEC卸载的每个用户的时延。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687073.0A CN108901075B (zh) | 2018-06-28 | 2018-06-28 | 一种基于gs算法的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687073.0A CN108901075B (zh) | 2018-06-28 | 2018-06-28 | 一种基于gs算法的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108901075A true CN108901075A (zh) | 2018-11-27 |
CN108901075B CN108901075B (zh) | 2021-06-08 |
Family
ID=64346735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810687073.0A Expired - Fee Related CN108901075B (zh) | 2018-06-28 | 2018-06-28 | 一种基于gs算法的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108901075B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109951873A (zh) * | 2019-02-28 | 2019-06-28 | 华北电力大学 | 一种物联网雾计算中信息不对称不确定下的任务卸载机制 |
CN110493313A (zh) * | 2019-07-19 | 2019-11-22 | 北京邮电大学 | 一种在基于移动边缘计算网络中调度服务用例的方法及系统 |
CN110518995A (zh) * | 2019-08-06 | 2019-11-29 | 上海电机学院 | 基于Shapley值一次拍卖的联合资源分配方法 |
CN110740473A (zh) * | 2019-10-22 | 2020-01-31 | 中国科学院计算技术研究所 | 一种用于移动边缘计算的管理方法及边缘服务器 |
CN111542107A (zh) * | 2020-05-14 | 2020-08-14 | 南昌工程学院 | 一种基于增强学习的移动边缘网络资源分配方法 |
CN111556576A (zh) * | 2020-05-06 | 2020-08-18 | 南京邮电大学 | 基于d2d_mec系统的时延优化方法 |
CN112612549A (zh) * | 2020-12-30 | 2021-04-06 | 润联软件系统(深圳)有限公司 | 多边缘服务任务选择卸载方法、装置及相关设备 |
CN112929885A (zh) * | 2019-12-06 | 2021-06-08 | 中国电信股份有限公司 | 资源分配方法和系统 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087305A (zh) * | 2017-01-10 | 2017-08-22 | 华北电力大学 | 一种基于能量收集的终端直通通信资源管理方案 |
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 |
CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
-
2018
- 2018-06-28 CN CN201810687073.0A patent/CN108901075B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087305A (zh) * | 2017-01-10 | 2017-08-22 | 华北电力大学 | 一种基于能量收集的终端直通通信资源管理方案 |
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 |
CN107333267A (zh) * | 2017-06-23 | 2017-11-07 | 电子科技大学 | 一种用于5g超密集组网场景的边缘计算方法 |
CN107465748A (zh) * | 2017-08-18 | 2017-12-12 | 东南大学 | 移动边缘云计算系统中基于演进博弈的动态资源分配方法 |
CN107819840A (zh) * | 2017-10-31 | 2018-03-20 | 北京邮电大学 | 超密集网络架构中分布式移动边缘计算卸载方法 |
Non-Patent Citations (4)
Title |
---|
KE ZHANG 等: "Delay Constrained Offloading for Mobile Edge Computing in Cloud-enabled Vehicular Networks", 《2016 8TH INTERNATIONAL WORKSHOP ON RESILIENT NETWORKS DESIGN AND MODELING (RNDM)》 * |
WENSON CHANG 等: "Gale-Shapley-Algorithm Based Resource Allocation Scheme for Device-to-Device Communications Underlaying Downlink Cellular Networks", 《2016 IEEE WIRELESS COMMUNICATIONS AND NETWORKING CONFERENCE》 * |
张河昌: "LTE网络下D2D通信资源分配与调度方案的研究", 《中国优秀硕士学位论文全文数据库》 * |
林晓鹏: "移动边缘计算网络中基于资源联合配置的计算任务卸载策略", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109951873B (zh) * | 2019-02-28 | 2020-09-29 | 华北电力大学 | 一种物联网雾计算中信息不对称不确定下的任务卸载机制 |
CN109951873A (zh) * | 2019-02-28 | 2019-06-28 | 华北电力大学 | 一种物联网雾计算中信息不对称不确定下的任务卸载机制 |
CN110493313A (zh) * | 2019-07-19 | 2019-11-22 | 北京邮电大学 | 一种在基于移动边缘计算网络中调度服务用例的方法及系统 |
CN110518995A (zh) * | 2019-08-06 | 2019-11-29 | 上海电机学院 | 基于Shapley值一次拍卖的联合资源分配方法 |
CN110518995B (zh) * | 2019-08-06 | 2021-06-01 | 上海电机学院 | 基于Shapley值一次拍卖的联合资源分配方法 |
CN110740473A (zh) * | 2019-10-22 | 2020-01-31 | 中国科学院计算技术研究所 | 一种用于移动边缘计算的管理方法及边缘服务器 |
CN110740473B (zh) * | 2019-10-22 | 2021-07-20 | 中国科学院计算技术研究所 | 一种用于移动边缘计算的管理方法及边缘服务器 |
CN112929885A (zh) * | 2019-12-06 | 2021-06-08 | 中国电信股份有限公司 | 资源分配方法和系统 |
CN112929885B (zh) * | 2019-12-06 | 2022-05-24 | 天翼云科技有限公司 | 资源分配方法和系统 |
CN111556576A (zh) * | 2020-05-06 | 2020-08-18 | 南京邮电大学 | 基于d2d_mec系统的时延优化方法 |
CN111542107A (zh) * | 2020-05-14 | 2020-08-14 | 南昌工程学院 | 一种基于增强学习的移动边缘网络资源分配方法 |
CN112612549A (zh) * | 2020-12-30 | 2021-04-06 | 润联软件系统(深圳)有限公司 | 多边缘服务任务选择卸载方法、装置及相关设备 |
CN112612549B (zh) * | 2020-12-30 | 2022-06-24 | 润联软件系统(深圳)有限公司 | 多边缘服务任务选择卸载方法、装置及相关设备 |
CN113794768A (zh) * | 2021-09-13 | 2021-12-14 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
CN113794768B (zh) * | 2021-09-13 | 2024-01-23 | 南京星航通信技术有限公司 | 移动设备云中的任务分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108901075B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108901075A (zh) | 一种基于gs算法的资源分配方法 | |
CN107333267B (zh) | 一种用于5g超密集组网场景的边缘计算方法 | |
CN110035410A (zh) | 一种软件定义车载边缘网络中联合资源分配和计算卸载的方法及系统 | |
CN110493360A (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
CN104540234B (zh) | 一种C‑RAN架构下基于CoMP同步约束的关联任务调度机制 | |
CN109089272A (zh) | 在多基站场景中的基于非正交多址接入的移动边缘计算布伦特式时延优化方法 | |
CN108243245A (zh) | 基于混合雾计算的无线接入网络及其资源调配方法 | |
CN104484233B (zh) | 一种资源分配方法 | |
CN105580407A (zh) | 一种网络资源部署方法和设备 | |
CN113099474B (zh) | 卫星互联网用户终端短期业务量需求预测方法及装置 | |
CN110380881B (zh) | 一种网络扩容预测方法及装置 | |
JP7486659B2 (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
Fu et al. | Traffic prediction-enabled energy-efficient dynamic computing resource allocation in cran based on deep learning | |
CN104205666A (zh) | 用于无线系统的功率动态联合分配以及用户调度的方法和系统 | |
CN108055701A (zh) | 一种资源调度方法及基站 | |
CN111083724B (zh) | 一种雾计算网络下基于ocwg-topsis的用户关联方法 | |
Meng et al. | Hierarchical evolutionary game based dynamic cloudlet selection and bandwidth allocation for mobile cloud computing environment | |
Zhang et al. | Service pricing and selection for IoT applications offloading in the multi-mobile edge computing systems | |
CN106162668A (zh) | 确定网络参数的方法和装置 | |
Yan et al. | Service caching for meteorological emergency decision-making in cloud-edge computing | |
Chen et al. | Joint optimization of task caching, computation offloading and resource allocation for mobile edge computing | |
Cai et al. | Game theory-based device-to-device network access algorithm for heterogeneous networks | |
Zhong et al. | Slice allocation of 5G network for smart grid with deep reinforcement learning ACKTR | |
CN103002458B (zh) | 基站选址方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210608 |