CN108934002A - 一种基于d2d通信协作的任务卸载算法 - Google Patents

Abstract

本发明公开一种基于D2D通信协作的任务卸载算法，包括以下步骤：S1：初始化所有任务在本地执行，计算任务基于本地执行方式的能耗和执行时延T_i ⁽⁰⁾；S2：在MEC环境下，计算单个任务在特定的执行方式的能耗和执行时延；S3：在MEC环境下，将单个任务基于特定的执行方式的能耗和执行时延与单个任务基于本地执行方式的能耗和执行时延做比较，根据比较结果计算对应的能耗‑执行时延比；S4：根据能耗‑执行时延比选择单个任务在MEC环境下最优的执行方式；S5：循环执行S2～S4，直至得到所有任务在MEC环境下最优的执行方式。本发明通过确定出每种任务的执行方式，并增加协作通信与协作计算，为设备提供多种可选择执行方式，有效降低了传输时延，降低设备能耗。

Description

一种基于D2D通信协作的任务卸载算法

技术领域

本发明涉及移动边缘计算技术领域，特别涉及一种D2D上的任务卸载算法。

背景技术

随着互联网的飞速发展，无线通信设备(智能手机，可穿戴设备以及车联网等)的广泛应用，用户对网络数据传输速度以及网络延迟的要求越来越高，随着移动设备应用的增多，移动设备需要进行密集而大规模的运算，而设备本身计算能力有限，因此需要将设备上大型任务进行迁移，移动边缘计算的出现，能够有效扩展移动设备的计算能力，无线设备可以将部分或全部密集型计算任务和等待时延敏感的任务卸载到边缘服务器去执行。

移动设备任务的卸载与数据传输对网络要求较高，第5代移动通信技术(5th-Generation，5G)的应用，有效解决了用户当前对网络的需求。5G网络具有高速率、大容量、低时延以及高带宽等特点，其可扩展性能够满足极端多变网络需求，能够为用户提供更高的峰值速率以及更低的成本和更高的能效。5G网络能够让整个网络保持始终如一的高速速率，而5G技术下的设备也不再仅仅是终端，它将成为包括多跳通信在内的5G无线技术网络的重要组成部分。

5G网络集合了计算和通信技术，MEC(Mobile Edge Computing，移动边缘计算)将无线网络和互联网技术融合在一起，并在无线网络增加计算、存储、处理等功能，可以利用无线接入网络就近为用户提供所需服务和云端计算功能，将计算内容与计算能力下沉，提供智能化的流量调度，其也因此成为5G网络的核心技术之一，移动边缘计算也正式纳入5G的标准架构中。

D2D通信(device-to-device communication，设备到设备通信)是一种基于蜂窝系统的近距离数据直接传输技术，其不需要通过基站进行转发，能够有效减轻基站的负担，降低数据传输时延，提升频谱利用效率。在5G网络环境下应用D2D通信技术，能够有效减轻蜂窝网络以及移动设备的负担、增加数据传输速率、提升网络的稳定性，降低移动终端的电池能耗。

在D2D环境下，通过将计算密集型任务卸载到附近设备或边缘服务器，移动设备可以节约能源和加速计算过程。任务卸载工作的主要目标是最小化执行时延或执行能耗，在满足延迟限制的同时，最小化移动设备的能量消耗或者在能量消耗和执行延迟之间寻找适当的折衷。

针对移动边缘计算中任务卸载问题，众多文献对移动设备电压及频率进行动态调整，以此实现时延最小化，或者对移动设备上任务优先级进行排序，控制能耗和执行时延。移动边缘计算中，设备间协作通信与协作计算，能够有效降低移动设备的能耗与时延，其也因此成为移动边缘计算中的研究热点，当前对移动边缘计算的研究中，众多文献对协作通信中，数据的传输，大多采用解码转发的方式进行数据传输，但在D2D模式中，随着设备间距离的增加，采用解码转发方式进行数据传输，能耗与时延都会急速增加。其次，还存在以下缺点：频繁调整设备电压及CPU频率，在D2D模式下，会降低设备使用寿命，增加额外能量消耗；未能考虑设备间协作计算与协作传输，设备在卸载任务到边缘服务器时，数据传输速率较低，增加了设备的传输时延与能量消耗。

发明内容

为克服上述任务执行方式的不足，本发明提出了一种新的D2D上的任务卸载算法。本发明通过计算设备上N个任务整体最小执行能耗，确定出每种任务的执行方式，并增加协作通信与协作计算，为设备提供多种可选择执行方式，有效降低了传输时延，降低设备能耗。

为解决上述技术问题，本发明的技术方案如下：

一种基于D2D通信协作的任务卸载算法，包括以下步骤：

S1：初始化所有任务在本地执行，计算任务基于本地执行方式的能耗和执行时延

S2：在MEC环境下，计算单个任务在特定的执行方式的能耗和执行时延，所述的特定的执行方式包括以下方式：设备2对设备1上的任务进行协作计算；设备1将任务卸载到边缘服务器上，边缘服务器对任务进行协作计算；设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器去执行；设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器去执行；所述的设备1是任务在本地执行的设备；所述的设备2是除设备1以外且隶属于同一个边缘服务器的设备；

S3：在MEC环境下，将单个任务基于特定的执行方式的能耗和执行时延与单个任务基于本地执行方式的能耗和执行时延做比较，根据比较结果计算对应的能耗-执行时延比；

S4：根据能耗-执行时延比选择单个任务在MEC环境下最优的执行方式；

S5：循环执行S2～S4，直至得到所有任务在MEC环境下最优的执行方式。

在一种优选的方案中，所述的S1中的本地执行的能耗和执行时延通过下式进行表达：

其中，所述的W(i)表示任务i的数据任务量；所述的C^L表示任务i在设备1的计算能力；所述的f^L表示设备1的时钟频率；所述的κ^L表示设备1芯片架构的有效电容值。

在一种优选的方案中，所述的特定的执行方式的能耗和执行时延通过下式进行表达：

设备2对设备1上的任务进行协作计算的方式的能耗和执行时延通过下式进行表达：

其中，所述的表示设备2执行任务的能耗；所述的表示设备1将任务传输至设备2的能耗；

其中，所述的表示设备2执行任务的执行时延；所述的表示设备1将任务传输至设备2的执行时延；

设备1将任务卸载到边缘服务器上，边缘服务器对任务进行协作计算的方式的能耗和执行时延

其中，所述的表示设备1将任务卸载到边缘服务器上的功率；所述的通过下式进行表达：

其中，所述的表示从设备1将任务卸载到边缘服务器的最大信息传送速率；

所述的通过下式进行表达：

其中，所述的f^C表示边缘服务器的时钟频率；所述的C^C表示任务i在边缘服务器的计算能力；

设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，所述的表示设备1与设备2以解码转发方式传输数据时的平均功率；所述的通过下式进行表达：

其中，所述的表示设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器的最大信息传送速率；

设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，所述的表示设备1与设备2以放大转发方式传输数据时的平均功率；所述的通过下式进行表达：

其中，所述的表示设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器的最大信息传送速率；

在一种优选的方案中，所述的S3包括以下内容：

针对每个任务的5种可选择执行方式，任务执行方式j∈{0,1,2,3,4}，通过将特定的执行方式与本地执行方式进行对比，划分为以下4种情况

针对上述的4种情况能耗-时延比计算方式如下：

在一种优选的方案中，所述的S4包括以下内容：

针对单个任务选择对应的λ_i(0,j)最大的执行方式，将其定义为单个任务在MEC环境下最优的执行方式。

在一种优选的方案中，所述的通过下式进行表达：

其中，所述的f^U表示设备2的时钟频率；所述的κ^U表示设备2芯片架构的有效电容值。

在一种优选的方案中，所述的通过下式进行表达：

其中，所述的表示设备1将任务卸载到设备2上的发射功率；所述的通过下式进行表达：

其中，所述的通过下式进行表达：

其中，所述的B是信道带宽；所述的是加性高斯白噪声；所述的h₀是信道增益。

在一种优选的方案中，所述的通过下式进行表达：

其中，所述的C^U表示任务i在设备2的计算能力。

在一种优选的方案中，所述的通过下式进行表达：

其中，所述的是加性高斯白噪声；所述的h₁是信道增益。

在一种优选的方案中，所述的通过下式进行表达：

其中，所述的是加性高斯白噪声；所述的h₂是信道增益；表示设备2将任务卸载到边缘服务器上的功率；

所述的通过下式进行表达：

在一种优选的方案中，将传输时延作为约束条件，设计能耗求解目标函数：

minimize E(x₁,x₂,…,x_N)

subject to T(x₁,x₂,…,x_N)≤T

i＝1,2,…,N.

N为任务总数，T为所有任务在本地执行所产生的时延，最终计算得到在传输时延约束下的最低设备能耗。

与现有技术相比，本发明技术方案的有益效果是：

1、本发明通过计算设备上任务的最小执行能耗，确定出每种任务的执行方式，并增加协作通信与协作计算，为设备提供多种可选择执行方式，有效降低了传输时延，降低设备能耗。

2、在D2D模式下，将任务卸载到边缘服务器时，设备2对任务进行协作传输，随着用户间距离的变化，能够在放大转发与解码转发方式间进行选择，提升数据传输速率，降低数据传输时延，间接降低设备所需能耗。

附图说明

图1为本实施例流程图。

图2为本实施例的通信协作D2D任务卸载模型。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。

如图1所示，本实施例考虑了设备间D2D通信，能够实现设备间任务卸载，对任务进行协作计算。此外模型部署了边缘服务器，当设备发射功率较大，或设备任务量较大时，能够将任务卸载到边缘服务器去执行，以此降低设备本身能耗，设备间能够实现数据的协作传输，提升数据传输速率，间接降低设备能耗以及任务执行时延。

如图2所示，一种基于D2D通信协作的任务卸载算法，包括以下步骤：

S1：初始化所有任务在本地执行，计算任务基于本地执行方式的能耗和执行时延能耗和执行时延通过下式进行表达：

其中，W(i)表示任务i的数据任务量；C^L表示任务i在设备1的计算能力；f^L表示设备1的时钟频率；κ^L表示设备1芯片架构的有效电容值。

S2：在MEC环境下，计算单个任务在4种特定的执行方式下的能耗和执行时延；4种特定的执行方式如下：

设备2对设备1上的任务进行协作计算的方式的能耗和执行时延通过下式进行表达：

其中，通过下式进行表达：

其中，f^U表示设备2的时钟频率；κ^U表示设备2芯片架构的有效电容值。

通过下式进行表达：

其中，表示设备1将任务卸载到设备2上的发射功率；通过下式进行表达：

其中，通过下式进行表达：

其中，B是信道带宽；是加性高斯白噪声；h₀是信道增益；

其中，表示设备1将任务传输至设备2的执行时延；通过下式进行表达：

其中，C^U表示任务i在设备2的计算能力。

设备1将任务卸载到边缘服务器上，边缘服务器对任务进行协作计算的方式的能耗和执行时延

其中，表示设备1将任务卸载到边缘服务器上的功率；通过下式进行表达：

其中，通过下式进行表达：

其中，是加性高斯白噪声；h₁是信道增益；

通过下式进行表达：

其中，f^C表示边缘服务器的时钟频率；C^C表示任务i在边缘服务器的计算能力。

设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，表示设备1与设备2以解码转发方式传输数据时的平均功率；通过下式进行表达：

其中，通过下式进行表达：

其中，是加性高斯白噪声；h₂是信道增益；表示设备2将任务卸载到边缘服务器上的功率；

设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，表示设备1与设备2以放大转发方式传输数据时的平均功率；通过下式进行表达：

其中，通过下式进行表达：

S3：在MEC环境下，将单个任务基于特定的执行方式的能耗和执行时延与单个任务基于本地执行方式的能耗和执行时延做比较，根据比较结果计算对应的能耗-执行时延比；

针对每个任务的5种可选择执行方式，任务执行方式j∈{0,1,2,3,4}，通过将特定的执行方式与本地执行方式进行对比，划分为以下4种情况

针对上述的4种情况能耗-时延比计算方式如下：

S4：根据能耗-执行时延比选择单个任务在MEC环境下最优的执行方式；

针对单个任务选择对应的λ_i(0,j)最大的执行方式，将其定义为单个任务在MEC环境下最优的执行方式。

S5：循环执行S2～S4，直至得到所有任务在MEC环境下最优的执行方式。

将传输时延作为约束条件，设计能耗求解目标函数：

minimize E(x₁,x₂,…,x_N)

subject to T(x₁,x₂,…,x_N)≤T

i＝1,2,…,N.

N为任务总数，T为所有任务在本地执行所产生的时延，最终计算得到在传输时延约束下的最低设备能耗，在不超过总时延的情况下，寻找能耗最小的方案。

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种基于D2D通信协作的任务卸载算法，其特征在于，包括以下步骤：

S1：初始化所有任务在本地执行，计算任务基于本地执行方式的能耗和执行时延T_i ⁽⁰⁾；

S2：在MEC环境下，计算单个任务在特定的执行方式的能耗和执行时延，所述的特定的执行方式包括以下方式：设备2对设备1上的任务进行协作计算；设备1将任务卸载到边缘服务器上，边缘服务器对任务进行协作计算；设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器去执行；设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器去执行；所述的设备1是任务在本地执行的设备；所述的设备2是除设备1以外且隶属于同一个边缘服务器的设备；

S3：在MEC环境下，将单个任务基于特定的执行方式的能耗和执行时延与单个任务基于本地执行方式的能耗和执行时延做比较，根据比较结果计算对应的能耗-执行时延比；

S4：根据能耗-执行时延比选择单个任务在MEC环境下最优的执行方式；

S5：循环执行S2～S4，直至得到所有任务在MEC环境下最优的执行方式。

2.根据权利要求1所述的任务卸载算法，其特征在于，所述的S1中的本地执行的能耗和执行时延T_i ⁽⁰⁾通过下式进行表达：

其中，所述的W(i)表示任务i的数据任务量；所述的C^L表示任务i在设备1的计算能力；所述的f^L表示设备1的时钟频率；所述的κ^L表示设备1芯片架构的有效电容值。

3.根据权利要求2所述的任务卸载算法，其特征在于，所述的特定的执行方式的能耗和执行时延通过下式进行表达：

设备2对设备1上的任务进行协作计算的方式的能耗和执行时延T_i ⁽¹⁾通过下式进行表达：

其中，所述的表示设备2执行任务的能耗；所述的表示设备1将任务传输至设备2的能耗；

其中，所述的表示设备2执行任务的执行时延；所述的表示设备1将任务传输至设备2的执行时延；

设备1将任务卸载到边缘服务器上，边缘服务器对任务进行协作计算的方式的能耗和执行时延T_i ⁽¹⁾：

其中，所述的表示设备1将任务卸载到边缘服务器上的功率；所述的通过下式进行表达：

其中，所述的表示从设备1将任务卸载到边缘服务器的最大信息传送速率；

所述的通过下式进行表达：

其中，所述的f^C表示边缘服务器的时钟频率；所述的C^C表示任务i在边缘服务器的计算能力；

设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，所述的表示设备1与设备2以解码转发方式传输数据时的平均功率；所述的通过下式进行表达：

其中，所述的表示设备2对设备1上的任务以解码转发方式进行协作传输，将任务卸载到边缘服务器的最大信息传送速率；

设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器去执行：

其中，所述的表示设备1与设备2以放大转发方式传输数据时的平均功率；所述的通过下式进行表达：

其中，所述的表示设备2对设备1上的任务以放大转发方式进行协作传输，将任务卸载到边缘服务器的最大信息传送速率；

4.根据权利要求3所述的任务卸载算法，其特征在于，所述的S3包括以下内容：

针对每个任务的5种可选择执行方式，任务执行方式j∈{0,1,2,3,4}，通过将特定的执行方式与本地执行方式进行对比，划分为以下4种情况

针对上述的4种情况能耗-时延比计算方式如下：

5.根据权利要求4所述的任务卸载算法，其特征在于，所述的S4包括以下内容：

针对单个任务选择对应的λ_i(0,j)最大的执行方式，将其定义为单个任务在MEC环境下最优的执行方式。

6.根据权利要求3至5中任一权利要求所述的任务卸载算法，其特征在于，所述的通过下式进行表达：

其中，所述的f^U表示设备2的时钟频率；所述的κ^U表示设备2芯片架构的有效电容值。

7.根据权利要求6所述的任务卸载算法，其特征在于，所述的通过下式进行表达：

其中，所述的表示设备1将任务卸载到设备2上的发射功率；所述的通过下式进行表达：

其中，所述的通过下式进行表达：

其中，所述的B是信道带宽；所述的是加性高斯白噪声；所述的h₀是信道增益。

8.根据权利要求7所述的任务卸载算法，其特征在于，所述的通过下式进行表达：

其中，所述的C^U表示任务i在设备2的计算能力。

9.根据权利要求7或8所述的任务卸载算法，其特征在于，所述的通过下式进行表达：

其中，所述的是加性高斯白噪声；所述的h₁是信道增益。

10.根据权利要求9所述的任务卸载算法，其特征在于，所述的通过下式进行表达：

其中，所述的是加性高斯白噪声；所述的h₂是信道增益；表示设备2将任务卸载到边缘服务器上的功率；

所述的通过下式进行表达：