CN109089272A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109089272A CN109089272A CN201811105795.7A CN201811105795A CN109089272A CN 109089272 A CN109089272 A CN 109089272A CN 201811105795 A CN201811105795 A CN 201811105795A CN 109089272 A CN109089272 A CN 109089272A
- Authority
- CN
- China
- Prior art keywords
- setting
- sub
- algorithm
- value
- theta
- 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 45
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000004364 calculation method Methods 0.000 title claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 230000009191 jumping Effects 0.000 claims description 19
- 238000005265 energy consumption Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 241000135164 Timea Species 0.000 claims description 3
- 239000011541 reaction mixture Substances 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims 1
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种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，包括以下步骤：(1)在集成边缘服务器的BSs的覆盖范围下有1个移动用户，优化问题描述为一个多变量非凸性优化问题；(2)将问题(DM‑i)分解为两层优化问题；(3)根据底层DM‑i‑E‑Sub问题，提出了基于拉格朗日乘数法的对分搜索方法，在移动用户i传输时间ti的情况下优化移动用户i的整体时延；(4)针对顶层DM‑i‑E‑Top问题，提出布伦特方法，优化移动用户i的传输时间ti；(5)通过底层问题与顶层问题的交互迭代，最终解决问题(DM‑i)。本发明提高了系统传输效率，节省带宽资源，获得更优质的无线网络体验质量。
Description
技术领域
本发明涉及无线网络中，一种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。
背景技术
蜂窝系统和移动互联网服务的快速发展产生了各种各样的计算密集型应用，给计算资源有限的移动终端带来了很大的压力。移动边缘计算(Mobile Edge Computing，MEC)使移动用户(Mobile Users，MUs)能够将其计算任务卸载到位于蜂窝网络边缘的云服务器(例如，基站(Base Stations，BSs))，为解决这一具有挑战性的问题提供了一种有希望的方法。考虑到由非正交多址接入(Nonorthogonal Multiple Access，NOMA)提供的高传输效率的优点，我们提出了在多基站场景中一种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。
发明内容
本发明要克服现有技术的上述缺点，提供一种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，本发明为多基站场景中基于非正交多址接入的移动边缘计算卸载布伦特式时延优化设计；首先考虑的是MEC，与此同时，还考虑的是NOMA。所以本发明研究的是多基站场景下基于非正交多址接入的移动边缘计算布伦特式时延优化设计，本发明针对系统时延过大的难点，研究了多基站场景中基于非正交多址接入的移动边缘计算卸载计算时延优化问题和通信时延优化问题。
本发明解决其技术问题所采用的技术方案是：
一种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，包括以下步骤：
(1)在一组集成边缘服务器的基站的覆盖范围下有一个移动用户i，基站用集合表示，移动用户使用非正交多址接入技术同时向基站发送数据，其中移动用户需要处理的数据量用表示；
在无线网络中，在保证移动用户数据需求的情况下最小化系统总时延的优化问题描述为如下所示的非凸性优化问题DM-i问题，DM-i指的是最优化移动用户i总时延问题：
(DM-i):
Variables:si and ti
下面将问题中的各个变量做一个说明，如下：
Wi:移动用户i到基站的信道带宽，单位是赫兹；
gik:移动用户i到基站k的信道功率增益；
n0:信道背景噪声的频谱功率密度；
sik:移动用户i需要分配到基站k处理的数据量，单位是兆比特；
移动用户i需要处理的数据量，单位是兆比特；
移动用户i的处理能力，单位是兆比特/秒
Vk:基站k的处理能力，单位是兆比特/秒
移动用户i的最大能量消耗，单位是焦耳；
基站k的最大能量消耗，单位是焦耳；
移动用户i发送数据到基站的最大传输时间，单位是秒；
ti:移动用户i发送数据到基站的传输时间，单位是秒；
是关于si和ti的函数，表示移动用户i在给定传输时间ti内完成发送数据量si所需要的最小总发射功率，单位是瓦特；
通过引入一个辅助变量求解(DM-i)优化问题；
(2)(DM-i)问题是在给定移动用户i需要处理的数据量的情况下找到最优的系统总时延，定义一个变量θi，满足如下表达式：
因此，(DM-i)问题等价为(DM-i-E)问题，“E”表示是等价地，如下：
(DM-i-E):min θi
constraint(1-3),(1-4),(1-5)
Variable:si,ti and θi
为了有效解决(DM-i-E)问题，利用(DM-i-E)问题的层结构把(DM-i-E)问题分解成一个底层问题和一个顶层问题；
首先考虑在移动用户i传输时间ti给定的情况下，优化移动用户上传数据量和系统总时延的底层(DM-i-E-Sub)问题如下：
(DM-i-E-Sub):
constraint(2-4)
Variable:si and θi
求解(DM-i-E-Sub)问题的过程是：设定θ的上限是一个足够大的数，设定θ的下限是0，通过对θ进行对分搜索来找到最小的θ值，该θ值要同时确保(DM-i-E-Sub)问题可行，(DM-i-E-Sub)问题可行是指：在给定θ值条件下，(DM-i-E-Sub)问题中约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合为一个非空集合；否则，(DM-i-E-Sub)问题为不可行，即在给定θ值条件下约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合是一个空集；
最后在底层(DM-i-E-Sub)问题的基础下，优化移动用户传输时间和系统总时延的顶层(DM-i-E-Top)问题如下：
(DM-i-E-Top):
s.t.constraint(1-5)
Variable:ti
求解(DM-i-E-Top)问题的过程是：设定ti的上限是最大传输时间设定ti的下限是0，通过对ti进行布伦特方法来找到最优的ti值，使得系统总时延最小；
(3)在求解(DM-i-E-Sub)问题的过程中，为了判断在给定θ值条件下(DM-i-E-Sub)问题是否可行，考虑如下(DM-i-E-Sub-check)问题：
s.t.constraint(2-6),(2-7)
Variable:si
如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub-check)问题是可行的；否则，(DM-i-E-Sub-check)问题将是不可行的；
定义函数Gi(si)如下：
接着，定义函数L(si,λ,μ)如下：
因此，得到函数L(si,λ,μ)的一阶偏导数如下：
接着，分析整理表达式(2-9)和(2-10)，发现在给定一组(si,λ,μ)的情况下，Him(si,λ，μ)<Hin(si,λ,μ)(m<n)，所以将在ti and θi给定情况下，si的最优解分为以下三种情况：
i)如果存在使得Hiz(si,λ,μ)＝0，那么设置为：
其中，
为满足的解；
ii)如果Hi1(si,λ,μ)>0，那么设置为：
iii)如果HiK(si,λ,μ)<0，那么设置为：
(4)求解(DM-i-E-Sub-check)问题的算法Subrountine-Q，该算法的思路是；通过对(3)中，在ti和θi给定情况下，si的最优解的i)ii)iii)三种情况，得到最优解；
(5)求解(DM-i-E-Sub)问题的算法SubBS-Algorithm，该算法的思路是；在(DM-i-E-Sub)问题中，设定θi的上限是一个足够大的数，θi的下限是0，设定容忍计算精度是一个很小的数，通过对θi进行对分搜索来找到最小的θi值，该θi值要同时确保(DM-i-E-Sub)问题可行；通过求解(DM-i-E-Sub-check)问题，判断在给定θi值条件下(DM-i-E-Sub)问题是否可行；其中，如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub)问题是可行的，那通过对分搜索方式减小当前θi值；否则，(DM-i-E-Sub)问题将是不可行的，那通过对分搜索方式增大当前θi值；通过对分搜索不断更新当前θi值，直到达到容忍计算精度，跳出对分搜索，算法最后输出的最优θi值，即确保DM-i-E-Sub问题可行的最小的θi值；
最后，算法SubBS-Algorithm输出的代表：(DM-i-E-Sub)问题所求的在给定传输时间下的最优时延；
(6)求解(DM-i-E-Top)问题的算法Top-BM-Algorithm，该算法的思路是；在(DM-i-E-Top)问题中，设定ti的上限是最大传输时间设定ti的下限是0，通过布伦特方法来找到最优的ti值，该ti值要同时确保(DM-i-E-Top)问题可行；通过求解(DM-i-E-Sub)问题，得到在给定ti值条件下的最优时延通过布伦特方法不断更新当前ti值，直到达到精度要求，跳出搜索，算法最后输出的最优值即确保(DM-i-E-Top)问题可行的最小的值；
最后，算法Top-BM-Algorithm输出的和代表：(DM-i-E-Top)问题所求的最小整体时延和对应的最优传输时间。
所述步骤(4)中，求解(DM-i-E-Sub-check)问题算法的Subrountine-Q的步骤如下：
步骤4.1：设定参数z＝1，设定参数CBV＝∞，
步骤4.2：开始循环z≤K；
步骤4.3：根据公式(3-5),(3-6)设定参数
步骤4.4：根据公式(3-8),(3-9)设定参数和
步骤4.5：如果设定转至执行步骤4.8；
步骤4.6：否则如果设定转至执行步骤4.8；
步骤4.7：否则区间内使用对分法寻找使得为满足设定转至执行步骤4.8；
步骤4.8：如果设定
步骤4.9：设定z＝z+1；
步骤4.10：当z>K时，结束循环；
步骤4.11：设定参数
步骤4.12：如果并且设定
步骤4.13：设定参数
步骤4.14：如果并且 设定
步骤4.15：输出
所述步骤(5)中，求解(DM-i-E-Sub)问题算法的SubBS-Algorithm的步骤如下：
步骤5.1：输入容忍计算精度∈＝10-4，设定参数
步骤5.2：开始循环
步骤3.5：设定
步骤5.3：调用算法Subrountine-Q计算出
步骤5.4：如果设定转至执行步骤5.2；
步骤5.5：否则如果设定转至执行步骤5.2；
步骤5.6：当时，结束循环；
步骤5.7：输出
最后，算法SubBS-Algorithm输出的代表：(DM-i-E-Sub)问题所求的在给定传输时间下的最优时延。
所述步骤(6)中，求解(DM-i-E-Top)问题算法的Top-BM-Algorithm的步骤如下：
步骤6.1：设置插值比例cgoId，迭代次数IterTimes，∈为二分法计算误差的限度，初始化当前已迭代次数n＝1；
步骤6.2：设置b为最大传输时间a为下边界；
步骤6.3：设置e＝0，x＝w＝v＝0.5(a+b)，调用算法SubBS-Algorithm计算出
步骤6.4：判断若n≤IterTimes，则跳至步骤6.5，否则跳至步骤6.12；
步骤6.5：设置xn＝0.5(a+b)，判断若abs(x-xn)<∈·2-0.5(b-a)，则循环结束，跳至步骤6.12，否则跳至步骤6.6；
步骤6.6：判断若abs(e)≤∈，则跳至步骤6.8否则，设置p＝(x-v)q-(x-w)r，q＝2(q-r)，其中，如果q大于零，则设置p＝-p，设置q＝abs(q)，etemp＝e，e＝d；
步骤6.7：判断若同时满足d≤0.5·etemp，a≤x+d≤b这两个条件，则设置d＝p/q，否则，跳至步骤6.8；
步骤6.8：当x≥xn时，设置e＝a-x，反之，设置e＝b-x，设置d＝cgold·e；；
步骤6.9：判断若abs(d)≥∈，则设置u＝x+d，否则，设置u＝x+sign(d)，调用算法SubBS-Algorithm计算出
步骤6.10：若则判断u≥x，若是，则设置a＝x，若否，则设置b＝x，v＝w，w＝x，x＝u，若则判断u<x，若是，则设置a＝u，若否，则设置b＝u，与此同时，如果并且w＝x，则设置v＝w，w＝u，如果并且v＝x以及v＝w，则设置v＝u，
步骤6.11：n＝n+1，跳至步骤6.4；
步骤6.12：输出以及
本发明的技术构思为：首先，考虑在蜂窝无线网络中，智能终端通过非正交接入技术传输数据实现最小化系统总时延来获得一定的经济效益和服务质量。在此处，考虑的前提是智能终端的上传能量消耗及上行传输时间的限制。通过对问题的特性分析，将问题等价转换成两层问题，分别是一个底层问题和一个顶层问题来求解。结合对于子问题的分析，提出基于布伦特和线性搜索的方法，从而在保证MU的数据需求下，实现最小化系统总时延。
本发明的有益效果主要表现在:1、对于整体系统而言，利用NOMA技术大大提高了系统传输效率；2、对于整体系统而言，利用NOMA和MEC技术大大节省带宽资源；3、对于基站BSs而言，通过MEC技术获得更优质的无线网络体验质量。
附图说明
图1是无线网络中多个智能终端和多个基站的场景示意图，其中，Base Stations(BS)表示基站，Edge server表示边缘服务器。
具体实施方式
下面结合附图对于本发明作进一步详细描述。
参照图1，一种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，实行该方法能在同时满足数据需求的前提下，使得系统总时延最小，提高整个系统的无线网络体验质量。本发明应用于无线网络，如图1所示场景中。针对该目标设计对问题的优化方法包括如下步骤：
(1)在一组集成边缘服务器的基站的覆盖范围下有一个移动用户i，基站用集合表示，移动用户使用非正交多址接入技术同时向基站发送数据，其中移动用户需要处理的数据量用表示；
在无线网络中，在保证移动用户数据需求的情况下最小化系统总时延的优化问题描述为如下所示的非凸性优化问题DM-i问题，DM-i指的是最优化移动用户i总时延问题：
(DM-i):
Variables:si and ti
下面将问题中的各个变量做一个说明，如下：
Wi:移动用户i到基站的信道带宽，单位是赫兹；
gik:移动用户i到基站k的信道功率增益；
n0:信道背景噪声的频谱功率密度；
sik:移动用户i需要分配到基站k处理的数据量，单位是兆比特；
移动用户i需要处理的数据量，单位是兆比特；
移动用户i的处理能力，单位是兆比特/秒
Vk:基站k的处理能力，单位是兆比特/秒
移动用户i的最大能量消耗，单位是焦耳；
基站k的最大能量消耗，单位是焦耳；
移动用户i发送数据到基站的最大传输时间，单位是秒；
ti:移动用户i发送数据到基站的传输时间，单位是秒；
是关于si和ti的函数，表示移动用户i在给定传输时间ti内完成发送数据量si所需要的最小总发射功率，单位是瓦特；
通过引入一个辅助变量求解(DM-i)优化问题；
(2)(DM-i)问题是在给定移动用户i需要处理的数据量的情况下找到最优的系统总时延，定义一个变量θi，满足如下表达式：
因此，(DM-i)问题等价为(DM-i-E)问题，“E”表示的是等价地，如下：
(DM-i-E):min θi
constraint(1-3),(1-4),(1-5)
Variable:si,ti and θi
为了有效解决(DM-i-E)问题，利用(DM-i-E)问题的层结构把(DM-i-E)问题分解成一个底层问题和一个顶层问题；
首先考虑在移动用户i传输时间ti给定的情况下，优化移动用户上传数据量和系统总时延的底层(DM-i-E-Sub)问题如下：
(DM-i-E-Sub):
constraint(2-4)
Variable:si and θi
求解(DM-i-E-Sub)问题的过程是：设定θ的上限是一个足够大的数，设定θ的下限是0，通过对θ进行对分搜索来找到最小的θ值，该θ值要同时确保(DM-i-E-Sub)问题可行，(DM-i-E-Sub)问题可行是指：在给定θ值条件下，(DM-i-E-Sub)问题中约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合为一个非空集合；否则，(DM-i-E-Sub)问题为不可行，即在给定θ值条件下约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合是一个空集；
最后在底层(DM-i-E-Sub)问题的基础下，优化移动用户传输时间和系统总时延的顶层(DM-i-E-Top)问题如下：
(DM-i-E-Top):
s.t.constraint(1-5)
Variable:ti
求解(DM-i-E-Top)问题的过程是：设定ti的上限是最大传输时间设定ti的下限是0，通过对ti进行布伦特方法来找到最优的ti值，使得系统总时延最小。
(3)在求解(DM-i-E-Sub)问题的过程中，为了判断在给定θ值条件下(DM-i-E-Sub)问题是否可行，考虑如下(DM-i-E-Sub-check)问题：
s.t.constraint(2-6),(2-7)
Variable:si
如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub-check)问题是可行的；否则，(DM-i-E-Sub-check)问题将是不可行的；
定义函数Gi(si)如下：
接着，定义函数L(si,λ,μ)如下：
因此，得到函数L(si,λ,μ)的一阶偏导数如下：
接着，分析整理表达式(2-9)和(2-10)，发现在给定一组(si,λ,μ)的情况下，Him(si,λ,μ)<Hin(si,λ,μ)(m<n)，所以将在ti and θi给定情况下，si的最优解分为以下三种情况：
i)如果存在使得Hiz(si,λ,μ)＝0，那么设置为：
其中，
为满足的解。
ii)如果Hi1(si,λ,μ)>0，那么设置为：
iii)如果HiK(si,λ,μ)<0，那么设置为：
(4)求解(DM-i-E-Sub-check)问题的算法Subrountine-Q，该算法的思路是；通过对(3)中，在ti和θi给定情况下，si的最优解的i)ii)iii)三种情况，得到最优解，求解(DM-i-E-Sub-check)问题算法的Subrountine-Q的步骤如下：
步骤4.1：设定参数z＝1，设定参数CBV＝∞，
步骤4.2：开始循环z≤K；
步骤4.3：根据公式(3-5),(3-6)设定参数
步骤4.4：根据公式(3-8),(3-9)设定参数和
步骤4.5：如果设定转至执行步骤4.8；
步骤4.6：否则如果设定转至执行步骤4.8；
步骤4.7：否则区间内使用对分法寻找使得为满足设定转至执行步骤4.8；
步骤4.8：如果设定
步骤4.9：设定z＝z+1；
步骤4.10：当z>K时，结束循环；
步骤4.11：设定参数
步骤4.12：如果并且设定
步骤4.13：设定参数
步骤4.14：如果并且 设定
步骤4.15：输出
(5)求解(DM-i-E-Sub)问题的算法SubBS-Algorithm，该算法的思路是；在(DM-i-E-Sub)问题中，设定θi的上限是一个足够大的数，θi的下限是0，设定容忍计算精度是一个很小的数，通过对θi进行对分搜索来找到最小的θi值，该θi值要同时确保(DM-i-E-Sub)问题可行；通过求解(DM-i-E-Sub-check)问题，判断在给定θi值条件下(DM-i-E-Sub)问题是否可行；其中，如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub)问题是可行的，那通过对分搜索方式减小当前θi值；否则，(DM-i-E-Sub)问题将是不可行的，那通过对分搜索方式增大当前θi值；通过对分搜索不断更新当前θi值，直到达到容忍计算精度，跳出对分搜索，算法最后输出的最优θi值，即确保DM-i-E-Sub问题可行的最小的θi值，求解(DM-i-E-Sub)问题算法的SubBS-Algorithm的步骤如下：
步骤5.1：输入容忍计算精度∈＝10-4，设定参数
步骤5.2：开始循环
步骤3.5：设定
步骤5.3：调用算法Subrountine-Q计算出
步骤5.4：如果设定转至执行步骤5.2；
步骤5.5：否则如果设定转至执行步骤5.2；
步骤5.6：当时，结束循环；
步骤5.7：输出
最后，算法SubBS-Algorithm输出的代表：(DM-i-E-Sub)问题所求的在给定传输时间下的最优时延；
(6)求解(DM-i-E-Top)问题的算法Top-BM-Algorithm，该算法的思路是；在(DM-i-E-Top)问题中，设定ti的上限是最大传输时间设定ti的下限是0，通过布伦特方法来找到最优的ti值，该ti值要同时确保(DM-i-E-Top)问题可行；通过求解(DM-i-E-Sub)问题，得到在给定ti值条件下的最优时延通过布伦特方法不断更新当前ti值，直到达到精度要求，跳出搜索，算法最后输出的最优值即确保(DM-i-E-Top)问题可行的最小的值，求解(DM-i-E-Top)问题算法的Top-BM-Algorithm的步骤如下：
步骤6.1：设置插值比例cgold，迭代次数IterTimes，∈为二分法计算误差的限度，初始化当前已迭代次数n＝1；
步骤6.2：设置b为最大传输时间a为下边界；
步骤6.3：设置e＝0，x＝w＝v＝0.5(a+b)，调用算法SubBS-Algorithm计算出
步骤6.4：判断若n≤IterTimes，则跳至步骤6.5，否则跳至步骤6.12；
步骤6.5：设置xn＝0.5(a+b)，判断若abs(x-xn)<∈·2-0.5(b-a)，则循环结束，跳至步骤6.12，否则跳至步骤6.6；
步骤6.6：判断若abs(e)≤∈，则跳至步骤6.8否则，设置p＝(x-v)q-(x-w)r，q＝2(q-r)，其中，如果q大于零，则设置p＝-p，设置q＝abs(q)，etemp＝e，e＝d；
步骤6.7：判断若同时满足d≤0.5·etemp，a≤x+d≤b这两个条件，则设置d＝p/q，否则，跳至步骤6.8；
步骤6.8：当x≥xn时，设置e＝a-x，反之，设置e＝b-x，设置d＝cgold·e；；
步骤6.9：判断若abs(d)≥∈，则设置u＝x+d，否则，设置u＝x+sign(d)，调用算法SubBS-Algorithm计算出
步骤6.10：若则判断u≥x，若是，则设置a＝x，若否，则设置b＝x，v＝w，w＝x，x＝u，若则判断u<x，若是，则设置a＝u，若否，则设置b＝u，与此同时，如果并且w＝x，则设置v＝w，w＝u，如果并且v＝x以及v＝w，则设置v＝u，
步骤6.11：n＝n+1，跳至步骤6.4；
步骤6.12：输出以及
最后，算法Top-BM-Algorithm输出的和代表：(DM-i-E-Top)问题所求的最小整体时延和对应的最优传输时间。
Claims (4)
1.一种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，其特征在于，所述方法包括以下步骤：
(1)在一组集成边缘服务器的基站的覆盖范围下有一个移动用户i，基站用集合表示，移动用户使用非正交多址接入技术同时向基站发送数据，其中移动用户需要处理的数据量用表示；
在无线网络中，在保证移动用户数据需求的情况下最小化系统总时延的优化问题描述为如下所示的非凸性优化问题DM-i问题，DM-i指的是最优化移动用户i总时延问题：
Variables：si and ti
下面将问题中的各个变量做一个说明，如下：
Wi：移动用户i到基站的信道带宽，单位是赫兹；
gik：移动用户i到基站k的信道功率增益；
n0：信道背景噪声的频谱功率密度；
sik：移动用户i需要分配到基站k处理的数据量，单位是兆比特；
移动用户i需要处理的数据量，单位是兆比特；
移动用户i的处理能力，单位是兆比特/秒
Vk：基站k的处理能力，单位是兆比特/秒
移动用户i的最大能量消耗，单位是焦耳；
基站k的最大能量消耗，单位是焦耳；
移动用户i发送数据到基站的最大传输时间，单位是秒；
ti：移动用户i发送数据到基站的传输时间，单位是秒；
是关于si和ti的函数，表示移动用户i在给定传输时间ti内完成发送数据量si所需要的最小总发射功率，单位是瓦特；
通过引入一个辅助变量求解(DM-i)优化问题；
(2)(DM-i)问题是在给定移动用户i需要处理的数据量的情况下找到最优的系统总时延，定义一个变量θi，满足如下表达式：
因此，(DM-i)问题等价为(DM-i-E)问题，“E”表示的是等价地，如下：
(DM-i-E)：minθi
constraint(1-3)，(1-4)，(1-5)
Variable：si，ti and θi
为了有效解决(DM-i-E)问题，利用(DM-i-E)问题的层结构把(DM-i-E)问题分解成一个底层问题和一个顶层问题；
首先考虑在移动用户i传输时间ti给定的情况下，优化移动用户上传数据量和系统总时延的底层(DM-i-E-Sub)问题如下：
constraint(2-4)
Variable：si and θi
求解(DM-i-E-Sub)问题的过程是：设定θ的上限是一个足够大的数，设定θ的下限是0，通过对θ进行对分搜索来找到最小的θ值，该θ值要同时确保(DM-i-E-Sub)问题可行，(DM-i-E-Sub)问题可行是指：在给定θ值条件下，(DM-i-E-Sub)问题中约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合为一个非空集合；否则，(DM-i-E-Sub)问题为不可行，即在给定θ值条件下约束条件(2-4)，(2-6)和(2-7)所产生有关于变量si的可行解集合是一个空集；
最后在底层(DM-i-E-Sub)问题的基础下，优化移动用户传输时间和系统总时延的顶层(DM-i-E-Top)问题如下：
s.t.constraint(1-5)
Variable：ti
求解(DM-i-E-Top)问题的过程是：设定ti的上限是最大传输时间设定ti的下限是0，通过对ti进行布伦特方法来找到最优的ti值，使得系统总时延最小。
(3)在求解(DM-i-E-Sub)问题的过程中，为了判断在给定θ值条件下(DM-i-E-Sub)问题是否可行，考虑如下(DM-i-E-Sub-check)问题：
s.t.constraint(2-6)，(2-7)
Variable：si
如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub-check)问题是可行的；否则，(DM-i-E-Sub-check)问题将是不可行的；
定义函数Gi(si)如下：
接着，定义函数L(si，λ，μ)如下：
因此，得到函数L(si，λ，μ)的一阶偏导数如下：
接着，分析整理表达式(2-9)和(2-10)，发现在给定一组(si，λ，μ)的情况下，Him(si，λ，μ)＜Hin(si，λ，μ)(m＜n)，所以将在ti and θi给定情况下，si的最优解分为以下三种情况：
i)如果存在使得Hiz(si，λ，μ)＝0，那么设置为：
其中，
为满足的解。
ii)如果Hi1(si，λ，μ)＞0，那么设置为：
iii)如果HiK(si，λ，μ)＜0，那么设置为：
(4)求解(DM-i-E-Sub-check)问题的算法Subrountine-Q，该算法的思路是；通过对(3)中，在ti和θi给定情况下，si的最优解的i)ii)iii)三种情况，得到最优解；
(5)求解(DM-i-E-Sub)问题的算法SubBS-Algorithm，该算法的思路是；在(DM-i-E-Sub)问题中，设定θi的上限是一个足够大的数，θi的下限是0，设定容忍计算精度是一个很小的数，通过对θi进行对分搜索来找到最小的θi值，该θi值要同时确保(DM-i-E-Sub)问题可行；通过求解(DM-i-E-Sub-check)问题，判断在给定θi值条件下(DM-i-E-Sub)问题是否可行；其中，如果(DM-i-E-Sub-check)问题的最优值输出则表示(DM-i-E-Sub)问题是可行的，那通过对分搜索方式减小当前θi值；否则，(DM-i-E-Sub)问题将是不可行的，那通过对分搜索方式增大当前θi值；通过对分搜索不断更新当前θi值，直到达到容忍计算精度，跳出对分搜索，算法最后输出的最优θi值，即确保DM-i-E-Sub问题可行的最小的θi值；最后，算法SubBS-Algorithm输出的代表：(DM-i-E-Sub)问题所求的在给定传输时间下的最优时延；
(6)求解(DM-i-E-Top)问题的算法Top-BM-Algorithm，该算法的思路是；在(DM-i-E-Top)问题中，设定ti的上限是最大传输时间设定ti的下限是0，通过布伦特方法来找到最优的ti值，该ti值要同时确保(DM-i-E-Top)问题可行；通过求解(DM-i-E-Sub)问题，得到在给定ti值条件下的最优时延通过布伦特方法不断更新当前ti值，直到达到精度要求，跳出搜索，算法最后输出的最优值即确保(DM-i-E-Top)问题可行的最小的值；最后，算法Top-BM-Algorithm输出的和代表：(DM-i-E-Top)问题所求的最小整体时延和对应的最优传输时间。
2.如权利要求1所述的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，其特征在于，所述步骤(4)中，求解(DM-i-E-Sub-check)问题算法的Subrountine-Q的步骤如下：
步骤4.1：设定参数z＝1，设定参数CBV＝∞，
步骤4.2：开始循环z≤K；
步骤4.3：根据公式(3-5)，(3-6)设定参数
步骤4.4：根据公式(3-8)，(3-9)设定参数和
步骤4.5：如果设定转至执行步骤4.8；
步骤4.6：否则如果设定转至执行步骤4.8；
步骤4.7：否则区间内使用对分法寻找使得为满足设定转至执行步骤4.8；
步骤4.8：如果设定
步骤4.9：设定z＝z+1；
步骤4.10：当z＞K时，结束循环；
步骤4.11：设定参数
步骤4.12：如果并且设定
步骤4.13：设定参数
步骤4.14：如果并且 设定
步骤4.15：输出
3.如权利要求1或2所述的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，其特征在于，所述步骤(5)中，求解(DM-i-E-Sub)问题算法的SubBS-Algorithm的步骤如下：
步骤5.1：输入容忍计算精度∈＝10-4，设定参数
步骤5.2：开始循环
步骤3.5：设定
步骤5.3：调用算法Subrountine-Q计算出
步骤5.4：如果设定转至执行步骤5.2；
步骤5.5：否则如果设定转至执行步骤5.2；
步骤5.6：当时，结束循环；
步骤5.7：输出
最后，算法SubBS-Algorithm输出的代表：(DM-i-E-Sub)问题所求的在给定传输时间下的最优时延。
4.如权利要求3所述的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，其特征在于，所述步骤(6)中，求解(DM-i-E-Top)问题算法的Top-BM-Algorithm的步骤如下：
步骤6.1：设置插值比例cgold，迭代次数IterTimes，∈为二分法计误差的限度，初始化当前已迭代次数n＝1；
步骤6.2：设置b为最大传输时间a为下边界；
步骤6.3：设置e＝0，x＝w＝v＝0.5(a+b)，调用算法SubBS-Algorithm计算出
步骤6.4：判断若n≤IterTimes，则跳至步骤6.5，否则跳至步骤6.12；
步骤6.5：设置xn＝0.5(a+b)，判断若abs(x-xn)＜∈·2-0.5(b-a)，则循环结束，跳至步骤6.12，否则跳至步骤6.6；
步骤6.6：判断若abs(e)≤∈，则跳至步骤6.8否则，设置p＝(x-v)q-(x-w)r，q＝2(q-r)，其中，如果q大于零，则设置p＝-p，设置q＝abs(q)，etemp＝e，e＝d；
步骤6.7：判断若同时满足d≤0.5·etemp，a≤x+d≤b这两个条件，则设置d＝p/q，否则，跳至步骤6.8；
步骤6.8：当x≥xn时，设置e＝a-x，反之，设置e＝b-x，设置d＝cgold·e；；
步骤6.9：判断若abs(d)≥∈，则设置u＝x+d，否则，设置u＝x+sign(d)，调用算法SubBS-Algorithm计算出
步骤6.10：若则判断u≥x，若是，则设置a＝x，若否，则设置b＝x，v＝w，w＝x，x＝u，若则判断u＜x，若是，则设置a＝u，若否，则设置b＝u，与此同时，如果并且w＝x，则设置v＝w，w＝u，如果并且v＝x以及v＝w，则设置v＝u，
步骤6.11：n＝n+1，跳至步骤6.4；
步骤6.12：输出以及
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811105795.7A CN109089272B (zh) | 2018-09-21 | 2018-09-21 | 在多基站场景中的移动边缘计算布伦特式时延优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811105795.7A CN109089272B (zh) | 2018-09-21 | 2018-09-21 | 在多基站场景中的移动边缘计算布伦特式时延优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109089272A true CN109089272A (zh) | 2018-12-25 |
| CN109089272B CN109089272B (zh) | 2021-10-15 |
Family
ID=64842196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811105795.7A Active CN109089272B (zh) | 2018-09-21 | 2018-09-21 | 在多基站场景中的移动边缘计算布伦特式时延优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109089272B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109474983A (zh) * | 2018-12-26 | 2019-03-15 | 国网浙江省电力有限公司信息通信分公司 | Mec网络中联合发射功率控制的信道分配方法 |
| CN110190982A (zh) * | 2019-04-17 | 2019-08-30 | 浙江工业大学 | 一种基于公平时间的非正交多址接入的边缘计算时间和能耗优化方法 |
| CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
| CN111093213A (zh) * | 2019-12-12 | 2020-05-01 | 西安电子科技大学 | 一种热点内容叠加推送与分发方法、系统、无线通信系统 |
| CN111314935A (zh) * | 2020-02-17 | 2020-06-19 | 南京邮电大学 | 基于noma-mec系统的下行传输时延最小化的方法 |
| CN111464216A (zh) * | 2020-03-08 | 2020-07-28 | 郑州大学 | 一种基于大规模mimo的移动边缘计算时延最小化方法 |
| CN112020083A (zh) * | 2020-07-09 | 2020-12-01 | 浙江工业大学 | 一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法 |
| CN112073978A (zh) * | 2020-08-11 | 2020-12-11 | 南京航空航天大学 | 一种多载波noma的移动边缘计算系统中计算效率优化方法 |
| CN112720506A (zh) * | 2021-01-27 | 2021-04-30 | 苏州科技大学 | 一种基于边缘计算的安防机器人系统节能方法 |
| CN112799812A (zh) * | 2021-01-27 | 2021-05-14 | 苏州科技大学 | 一种多智能设备协同优化系统 |
| CN113709817A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180041897A1 (en) * | 2016-08-03 | 2018-02-08 | Nokia Solutions And Networks Oy | Service provisioning by local operator |
| CN107708135A (zh) * | 2017-07-21 | 2018-02-16 | 上海交通大学 | 一种适用于移动边缘计算场景的资源分配方法 |
| CN108235333A (zh) * | 2016-12-22 | 2018-06-29 | 中国移动通信有限公司研究院 | 一种为终端提供网络服务的方法及网络设备、基站 |
| CN108494612A (zh) * | 2018-01-19 | 2018-09-04 | 西安电子科技大学 | 一种提供移动边缘计算服务的网络系统及其服务方法 |
| WO2018158637A1 (en) * | 2017-02-28 | 2018-09-07 | Alcatel Lucent | Communication method and devices for travelling route determination |
-
2018
- 2018-09-21 CN CN201811105795.7A patent/CN109089272B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180041897A1 (en) * | 2016-08-03 | 2018-02-08 | Nokia Solutions And Networks Oy | Service provisioning by local operator |
| CN108235333A (zh) * | 2016-12-22 | 2018-06-29 | 中国移动通信有限公司研究院 | 一种为终端提供网络服务的方法及网络设备、基站 |
| WO2018158637A1 (en) * | 2017-02-28 | 2018-09-07 | Alcatel Lucent | Communication method and devices for travelling route determination |
| CN107708135A (zh) * | 2017-07-21 | 2018-02-16 | 上海交通大学 | 一种适用于移动边缘计算场景的资源分配方法 |
| CN108494612A (zh) * | 2018-01-19 | 2018-09-04 | 西安电子科技大学 | 一种提供移动边缘计算服务的网络系统及其服务方法 |
Non-Patent Citations (2)
| Title |
|---|
| MING ZENG 等: "Energy-efficient Resource Allocation for NOMA-assisted Mobile Edge Computing", 《2018 IEEE 29TH ANNUAL INTERNATIONAL SYMPOSIUM ON PERSONAL，INDOOR AND MOBILE RADIO COMMUNICATIONS》 * |
| 汪海霞: "移动边缘计算中数据缓存和计算迁移的智能优化技术", 《中兴通讯技术》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109474983B (zh) * | 2018-12-26 | 2021-08-17 | 国网浙江省电力有限公司信息通信分公司 | Mec网络中联合发射功率控制的信道分配方法 |
| CN109474983A (zh) * | 2018-12-26 | 2019-03-15 | 国网浙江省电力有限公司信息通信分公司 | Mec网络中联合发射功率控制的信道分配方法 |
| CN110190982A (zh) * | 2019-04-17 | 2019-08-30 | 浙江工业大学 | 一种基于公平时间的非正交多址接入的边缘计算时间和能耗优化方法 |
| CN110190982B (zh) * | 2019-04-17 | 2021-10-29 | 浙江工业大学 | 基于公平时间的非正交多址接入边缘计算时间和能耗优化 |
| CN110543336A (zh) * | 2019-08-30 | 2019-12-06 | 北京邮电大学 | 基于非正交多址接入技术的边缘计算任务卸载方法及装置 |
| CN111093213A (zh) * | 2019-12-12 | 2020-05-01 | 西安电子科技大学 | 一种热点内容叠加推送与分发方法、系统、无线通信系统 |
| CN111093213B (zh) * | 2019-12-12 | 2021-10-08 | 西安电子科技大学 | 一种热点内容叠加推送与分发方法、系统、无线通信系统 |
| CN111314935A (zh) * | 2020-02-17 | 2020-06-19 | 南京邮电大学 | 基于noma-mec系统的下行传输时延最小化的方法 |
| CN111314935B (zh) * | 2020-02-17 | 2022-07-12 | 南京邮电大学 | 基于noma-mec系统的下行传输时延最小化的方法 |
| CN111464216A (zh) * | 2020-03-08 | 2020-07-28 | 郑州大学 | 一种基于大规模mimo的移动边缘计算时延最小化方法 |
| CN111464216B (zh) * | 2020-03-08 | 2023-02-17 | 郑州大学 | 一种基于大规模mimo的移动边缘计算时延最小化方法 |
| CN112020083A (zh) * | 2020-07-09 | 2020-12-01 | 浙江工业大学 | 一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法 |
| CN112020083B (zh) * | 2020-07-09 | 2023-09-26 | 浙江工业大学 | 一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法 |
| CN112073978A (zh) * | 2020-08-11 | 2020-12-11 | 南京航空航天大学 | 一种多载波noma的移动边缘计算系统中计算效率优化方法 |
| CN112073978B (zh) * | 2020-08-11 | 2022-07-26 | 南京航空航天大学 | 一种多载波noma的移动边缘计算系统中计算效率优化方法 |
| CN112799812A (zh) * | 2021-01-27 | 2021-05-14 | 苏州科技大学 | 一种多智能设备协同优化系统 |
| CN112720506A (zh) * | 2021-01-27 | 2021-04-30 | 苏州科技大学 | 一种基于边缘计算的安防机器人系统节能方法 |
| CN112799812B (zh) * | 2021-01-27 | 2022-01-21 | 苏州科技大学 | 一种多智能设备协同优化系统 |
| CN112720506B (zh) * | 2021-01-27 | 2022-04-26 | 苏州科技大学 | 一种基于边缘计算的安防机器人系统节能方法 |
| CN113709817A (zh) * | 2021-08-13 | 2021-11-26 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
| CN113709817B (zh) * | 2021-08-13 | 2023-06-06 | 北京信息科技大学 | 多基站多服务器场景下的任务卸载和资源调度方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109089272B (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109089272B (zh) | 在多基站场景中的移动边缘计算布伦特式时延优化方法 | |
| CN109526040B (zh) | 非正交多址接入的移动边缘计算线性搜索式时延优化方法 | |
| Shao et al. | Cooperative activity detection: Sourced and unsourced massive random access paradigms | |
| CN111372314A (zh) | 基于移动边缘计算场景下的任务卸载方法及任务卸载装置 | |
| CN110838859A (zh) | 适用于多波束卫星通信系统的高能效鲁棒预编码方法 | |
| CN107613556B (zh) | 一种基于功率控制的全双工d2d干扰管理方法 | |
| CN111314935B (zh) | 基于noma-mec系统的下行传输时延最小化的方法 | |
| CN112260737B (zh) | 总能效与最小能效权衡的多波束卫星通信鲁棒预编码方法 | |
| CN115022894B (zh) | 一种低轨卫星网络的任务卸载与计算资源分配方法及系统 | |
| Yang et al. | Joint time allocation and power control in multicell networks with load coupling: Energy saving and rate improvement | |
| Cui et al. | Joint and competitive caching designs in large-scale multi-tier wireless multicasting networks | |
| Xia et al. | Joint optimization of fronthaul compression and bandwidth allocation in uplink H-CRAN with large system analysis | |
| CN110190981B (zh) | 一种基于非正交多址接入的多任务计算迁移能耗优化方法 | |
| Albaseer et al. | Threshold-based data exclusion approach for energy-efficient federated edge learning | |
| Zhang et al. | Human-Centric Irregular RIS-Assisted Multi-UAV Networks With Resource Allocation and Reflecting Design for Metaverse | |
| Liu et al. | Adaptive federated pruning in hierarchical wireless networks | |
| Farajzadeh et al. | FLSTRA: Federated learning in stratosphere | |
| CN112770398A (zh) | 一种基于卷积神经网络的远端射频端功率控制方法 | |
| CN113038583A (zh) | 适用于超密集网络的小区间下行链路干扰控制方法、装置和系统 | |
| Wang et al. | Joint beamforming and power allocation using deep learning for D2D communication in heterogeneous networks | |
| Kazmi et al. | Radio resource management techniques for 5G verticals | |
| CN113784372B (zh) | 一种面向终端多业务模型的联合优化方法 | |
| Zhang et al. | Deep Learning Based Resource Allocation for Full-duplex Device-to-Device Communication | |
| CN114466335A (zh) | 一种d2d辅助mec系统中基于博弈论的联合优化方法 | |
| CN113258985A (zh) | 单站多星mimo上注系统能效优化方法 |
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 |