CN109144730A - 一种小小区下任务卸载方法及装置 - Google Patents

一种小小区下任务卸载方法及装置 Download PDF

Info

Publication number
CN109144730A
CN109144730A CN201810990049.4A CN201810990049A CN109144730A CN 109144730 A CN109144730 A CN 109144730A CN 201810990049 A CN201810990049 A CN 201810990049A CN 109144730 A CN109144730 A CN 109144730A
Authority
CN
China
Prior art keywords
unloading
decision
terminal
task
value
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
Application number
CN201810990049.4A
Other languages
English (en)
Other versions
CN109144730B (zh
Inventor
田辉
倪万里
范绍帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201810990049.4A priority Critical patent/CN109144730B/zh
Publication of CN109144730A publication Critical patent/CN109144730A/zh
Application granted granted Critical
Publication of CN109144730B publication Critical patent/CN109144730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供的一种小小区下任务卸载方法及装置，涉及无线通信技术领域，可以减少MEC服务器确定卸载决策所需要的时间，本申请的实施例包括：根据随机扰动策略更新卸载决策，然后确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量，若资源占用增量和总任务价值增量不满足预设条件，则返回根据扰动策略更新卸载决策；若资源占用增量和总任务价值增量满足预设条件，则将更新的卸载决策确定为卸载决策结果。

Description

一种小小区下任务卸载方法及装置
技术领域
本发明涉及无线通信技术领域，特别是涉及一种小小区下任务卸载方法及装置。
背景技术
移动边缘计算(Mobile Edge Computing，MEC)技术应用于基站，MEC服务器同时具有计算能力和缓存能力，能够将小小区内接入的移动设备上运行的计算密集型与时延敏感性任务卸载到MEC服务器上，能够减少移动设备的能量消耗、延长移动设备的使用寿命以及缓解接入网与核心网之间的传输负载。
但是，MEC服务器对于是否将用户移动设备运行的任务卸载到服务器上的决策通常是使用穷举算法，通过对基站服务的用户设备是否需要将设备中的任务卸载到服务器上的所有可能进行逐一验证，直至所有可能验证完毕，将其中的最优解确定为最终的卸载决策，时间开销较大。
发明内容
本发明实施例的目的在于提供一种小小区下任务卸载方法及装置，以实现减少MEC服务器确定卸载决策所需要的时间。具体技术方案如下：
第一方面，提供了一种小小区下任务卸载方法，包括：
根据随机扰动策略更新卸载决策；所述卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载；
确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量；所述资源占用增量为若执行所述更新的卸载决策，所述基站的资源占用量与当前所述基站的资源占用量之间的差值；所述总任务价值增量为若执行所述更新的卸载决策，所述基站承载终端卸载的任务产生的价值收益，与当前所述基站承载终端卸载的任务产生的价值收益之间的差值；
判断所述资源占用增量和所述总任务价值增量是否满足预设条件；
若所述资源占用总量和所述任务价值增量不满足所述预设条件，则返回所述根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果；
若所述资源占用增量和所述总任务价值增量满足所述预设条件，则确定所述更新的卸载决策为卸载决策结果。
可选的，所述根据随机扰动策略更新卸载决策，包括：
随机选择向所述基站请求任务卸载的一个目标终端，根据当前卸载决策判断所述目标终端是否为可进行任务卸载的终端；
若所述目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，所述第一随机扰动策略为将所述目标终端更新为不可进行任务卸载的终端，并随机选择一个向所述基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端；
若所述目标终端为不可进行任务卸载的终端，则生成一个随机数，判断所述随机数的值是否小于概率阈值；
若小于所述概率阈值，则根据第二随机扰动策略更新卸载决策，所述第二随机扰动策略为将所述目标终端更新为可进行任务卸载的终端；
若不小于所述概率阈值，则根据第三随机扰动策略更新卸载决策，所述第三随机扰动策略为将所述目标终端更新为可进行任务卸载的终端，并随机选择一个所述向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
可选的，所述判断所述资源占用增量和所述总任务价值增量是否满足预设条件，包括：
根据所述资源占用增量和所述总任务价值增量，依据接受准则Metropolis，判断是否接受所述更新的卸载决策；
若不接受所述更新的卸载决策，则返回所述根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新；
若接受所述更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值；
若未达到所述长度阈值，则更新所述当前马尔可夫链Markov长度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
若达到所述长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值；
若未达到所述温度阈值，则更新所述当前退火温度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
若达到所述温度阈值，则将所述更新的卸载决策确定为卸载决策结果。
可选的，在确定所述更新的卸载决策为卸载决策结果之后，所述方法还包括：
设置资源分配指示因子初始值和发射功率初始值；所述资源分配指示因子表示基站为根据所述卸载决策结果确定的各个可进行任务卸载的终端分配的资源块；所述发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率；
根据所述资源分配指示因子初始值、所述发射功率初始值和第一约束条件，构建部分拉格朗日函数；
通过所述部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值；所述资源分配指示因子最优值为基站收益最大时各个可进行任务卸载的终端的资源分配指示因子值；所述发射功率最优值为基站收益最大时各个可进行任务卸载的终端的发射功率值；
分别向各个可进行任务卸载的终端发送各自对应的资源分配指示因子最优值和发射功率最优值；
接收所述各个可进行任务卸载的终端根据自身对应的资源分配指示因子最优值和发射功率最优值发送的待卸载任务的信息。
第二方面，提供了一种小小区下任务卸载装置，包括：
扰动模块，用于根据随机扰动策略更新卸载决策；所述卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载；
确定模块，用于确定若执行根据所述扰动模块确定的更新的卸载决策，基站的资源占用增量和总任务价值增量；所述资源占用增量为若执行所述更新的卸载决策，所述基站的资源占用量与当前所述基站的资源占用量之间的差值；所述总任务价值增量为若执行所述更新的卸载决策，所述基站承载终端卸载的任务产生的价值收益，与当前所述基站承载终端卸载的任务产生的价值收益之间的差值；
判断模块，用于判断根据所述确定模块确定的所述资源占用增量和所述总任务价值增量是否满足预设条件；
返回模块，用于若根据所述判断模块判断的所述资源占用总量和所述任务价值增量不满足所述预设条件，则返回所述根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果；
卸载决策结果确定模块，用于若根据所述判断模块判断的所述资源占用增量和所述总任务价值增量满足所述预设条件，则确定所述更新的卸载决策为卸载决策结果。
可选的，所述扰动模块，包括：终端判断单元、第一扰动单元、随机数生成单元、所述第二扰动单元和所述第三扰动单元；
所述终端判断单元，用于随机选择向所述基站请求任务卸载的一个目标终端，根据当前卸载决策判断所述目标终端是否为可进行任务卸载的终端；
所述第一扰动单元，用于若根据所述终端判断单元判断的所述目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，所述第一扰随机动策略为将所述目标终端更新为不可进行任务卸载的终端，并随机选择一个向所述基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端；
所述随机数生成单元，用于若根据所述终端判断单元判断的所述目标终端为不可进行任务卸载的终端，则生成一个随机数，判断所述随机数的值是否小于概率阈值；
所述第二扰动单元，用于若所述随机数生成单元生成的随机数小于所述概率阈值，则根据第二随机扰动策略更新卸载决策，所述第二随机扰动策略为将所述目标终端更新为可进行任务卸载的终端；
所述第三扰动单元，用于若所述随机数生成单元生成的随机数不小于所述概率阈值，则根据第三随机扰动策略更新卸载决策，所述第三随机扰动策略为将所述目标终端更新为可进行任务卸载的终端，并随机选择一个所述向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
可选的，所述判断模块，包括：第一判断单元、第一返回单元、第二判断单元、第二返回单元、第三判断单元、第三返回单元和卸载决策结果确定单元；
所述第一判断单元，用于根据所述资源占用增量和所述总任务价值增量，依据接受准则Metropolis，判断是否接受所述更新的卸载决策；
所述第一返回单元，用于若根据所述第一判断单元判断的不接受所述更新的卸载决策，则返回所述根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新；
所述第二判断单元，用于若根据所述第一判断单元判断的接受所述更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值；
所述第二返回单元，用于若根据所述第二判断单元判断的未达到所述长度阈值，则更新所述当前马尔可夫链Markov长度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
所述第三判断单元，用于若根据所述第二判断单元判断的达到所述长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值；
所述第三返回单元，用于若根据所述第三判断单元判断的未达到所述温度阈值，则更新所述当前退火温度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
所述卸载决策结果确定单元，用于若根据所述第三判断单元判断的达到所述温度阈值，则将所述更新的卸载决策确定为卸载决策结果。
可选的，所述装置还包括：设置模块、构建模块、最优值确定模块、发送模块和接收模块；
所述设置模块，用于设置资源分配指示因子初始值和发射功率初始值；所述资源分配指示因子表示基站为根据所述卸载决策结果确定的各个可进行任务卸载的终端分配的资源块；所述发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率；
所述构建模块，用于根据所述设置单元设置的所述资源分配指示因子初始值、所述发射功率初始值和第一约束条件，构建部分拉格朗日函数；
所述最优值确定模块，用于通过所述构建单元构建的所述部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值；所述资源分配指示因子最优值为基站收益最大时各个可进行任务卸载的终端的资源分配指示因子值；所述发射功率最优值为基站收益最大时各个可进行任务卸载的终端的发射功率值；
所述发送模块，用于分别向各个可进行任务卸载的终端发送各自对应的根据所述最优值确定单元确定的资源分配指示因子最优值和各个发射功率最优值发送给其对应的终端；
所述接收模块，用于接收所述各个可进行任务卸载的终端根据所述发送单元发送的自身对应的所述资源分配指示因子最优值和发射功率最优值发送的需要卸载的任务信息。
第三方面，提供了一种电子设备，所述电子设备包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一小小区下任务卸载方法的步骤。
第四方面，本发明实施还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一小小区下任务卸载方法的步骤。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的一种小小区下任务卸载方法。
本发明实施例提供的一种小小区下任务卸载方法及装置，可以根据随机扰动策略更新卸载决策；确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量；若资源占用增量和总任务价值增量不满足预设条件，则返回根据扰动策略更新卸载决策；若资源占用增量和总任务价值增量满足预设条件，则将更新的卸载决策确定为卸载决策结果。这样，由于可以通过资源占用增量和总任务价值增量判断是否接受更新后的卸载决策，即判断更新后的卸载决策是否优于更新前的卸载决策，当资源占用增量和总任务价值增量满足预设条件时便可获得卸载决策结果，所以不需要大规模计算，减少了确定卸载决策所需要的时间。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种小小区下任务卸载系统结构示意图；
图2为本发明实施例提供的一种小小区下任务卸载方法流程图；
图3为本发明实施例提供的一种小小区下任务卸载方法中判断资源占用增量和总任务价值增量是否满足预设条件的方法流程图；
图4为本发明实施例提供的一种小小区下任务卸载方法中，在确定卸载决策结果之后，确定资源分配指示因子最优值和发射功率最优值的方法流程图；
图5为本发明实施例提供的一种小小区下任务卸载装置结构示意图；
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的小小区下任务卸载方法可以应用于图1所示的任务卸载系统结构示意图中，该系统包括：小基站和用户设备，其中本申请实施例中的小基站为具有MEC服务器的基站，下文中简称为基站。用户设备也可称为终端，可以为手机、电脑、可穿戴设备等具有无限通信功能的终端。
各个用户设备对应各自需要卸载的任务，例如：用户设备1对应任务1；用户设备在向基站发送任务卸载请求时，会将卸载任务需要基站提供的通信资源、计算资源和存储资源发送给基站。图1中的C1表示基站的通信资源占用情况，C2表示基站的计算资源占用情况，C3表示基站的存储资源占用情况。
用户设备可将自身的一部分任务卸载，由基站中的MEC服务器来执行用户设备卸载的任务。
本发明实施例提供了一种小小区下任务卸载方法，该方法可以由基站或基站中的MEC服务器实现。
参见图2，图2为本发明实施例提供的一种小小区下任务卸载方法，包括如下步骤：
步骤201，根据随机扰动策略更新卸载决策。
其中，卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载。
例如，设置初始解矩阵X＝[0,0,…,0]1×n，卸载决策的候选解集为：
S＝{[x1,x2,…,xn]|xi∈{0,1},i∈N} (1)
其中，S为卸载决策的候选解集，包括所有可能的卸载决策；xi表示向基站请求任务卸载的终端i是否可进行任务卸载，N为向基站请求任务卸载的终端数量。需要说明的是，i仅用于区分同一时隙中各个向基站发送任务请求的终端，不表示向基站发送任务请求的先后顺序。
其中，当xi＝1时，表示向基站请求任务卸载的终端i可进行任务卸载；当xi＝0时，表示向基站请求任务卸载的终端i不可进行任务卸载。
需要说明的是，在本发明实施例中一个终端中认为只有一个需要卸载的任务，i可以表示终端的序号；当一个终端中有多个任务时，可将终端中的各个任务虚拟为各个终端，同样为一个终端对应一个任务，此时i依然表示终端序号。
根据随机扰动策略更新卸载决策的方法可以为：随机选择向基站请求任务卸载的一个目标终端；
在选择目标终端后，可根据当前卸载决策判断目标终端是否为可进行任务卸载的终端。
若目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，第一随机扰动策略为将目标终端更新为不可进行任务卸载的终端，并随机选择一个向基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端。
假设选择的目标终端为终端i，判断目标终端是否为可进行任务卸载的终端即为判断判断xi是否等于0，若xi为0，则目标终端i不可进行任务卸载；若xi为1，则目标终端i可进行任务卸载。
例如，若xi＝1，则使用第一随机扰动策略，更新卸载决策。
第一随机扰动策略为：将当前任务卸载矩阵Xcurrent中的xi的值置为0，并随机选择当前任务卸载矩阵Xcurrent中一个值为0的元素xj，将xj的值置为1。
若目标终端为不可进行任务卸载的终端，则生成一个随机数，判断随机数的值是否小于概率阈值；若小于概率阈值，则根据第二随机扰动策略更新卸载决策，第二随机扰动策略为将目标终端更新为可进行任务卸载的终端；若不小于概率阈值，则根据第三随机扰动策略更新卸载决策，第三随机扰动策略为将目标终端更新为可进行任务卸载的终端，并随机选择一个向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
例如，若xi＝0，则生成一个0到1之间的随机数r，判断随机数r是否大于概率阈值0.5，若r≥0.5，则选择以下第二随机扰动策略；若r<0.5，则选择第二随机扰动策略。
第二随机扰动策略为：将当前任务卸载矩阵Xcurrent中的xi的值置为1。
第三随机扰动策略为：将当前任务卸载矩阵Xcurrent中的xi的值置为1，随机选择当前任务卸载矩阵Xcurrent中一个值为1的元素xj，将xj的值置为0。
步骤202，确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量。
其中，资源占用增量为若执行更新的卸载决策，基站的资源占用量与当前所述基站的资源占用量之间的差值；总任务价值增量为若执行所述更新的卸载决策，基站承载终端卸载的任务产生的价值收益，与当前所述基站承载终端卸载的任务产生的价值收益之间的差值。
其中，各个需要卸载的类型的任务的资源占用量和任务价值量如表1：
任务类型 通信资源 计算资源 存储资源 任务价值
1 c<sub>11</sub> c<sub>12</sub> c<sub>13</sub> v<sub>1</sub>
2 c<sub>21</sub> c<sub>22</sub> c<sub>23</sub> v<sub>2</sub>
… … … … …
n c<sub>n1</sub> c<sub>n2</sub> c<sub>n3</sub> v<sub>n</sub>
表1
其中，c11为基站卸载任务1需要提供的通信资源，c12为基站卸载任务1需要提供的计算资源，c13为基站卸载任务1需要提供的存储资源，v1为卸载任务1给基站带来的价值收益。
一种实现方式中，若使用第一随机扰动策略更新卸载决策，则资源占用增量为：
ΔC＝[Δc1,Δc2,Δc3]＝[cj1-ci1,cj2-ci2,cj3-ci3] (2)
其中，ΔC为资源占用增量，Δc1为通信资源占用增量，Δc2为计算资源占用增量，Δc3为存储资源占用增量，ci1为基站卸载任务i需要提供的通信资源，cj1为基站卸载任务j需要提供的通信资源，ci2为基站卸载任务i需要提供的计算资源，cj2为基站卸载任务j需要提供的计算资源，ci3为基站卸载任务i需要提供的存储资源，cj3为基站卸载任务i需要提供的存储资源。
任务价值增量为：
Δv＝vj-vi (3)
其中，Δv为任务价值增量，vi为卸载任务i给基站带来的价值收益，vj为卸载任务j给基站带来的价值收益。
一种实现方式中，若使用第二随机扰动策略更新卸载决策，则资源占用增量为：
ΔC＝[Δc1,Δc2,Δc3]＝[ci1,ci2,ci3] (4)
其中，ΔC为资源占用增量，Δc1为通信资源占用增量，Δc2为计算资源占用增量，Δc3为存储资源占用增量，ci1为基站卸载任务i需要提供的通信资源，ci2为基站卸载任务i需要提供的计算资源，ci3为基站卸载任务i需要提供的存储资源。
任务价值增量为：
Δv＝vi (5)
其中，Δv为任务价值增量，vi为卸载任务i给基站带来的价值收益。
一种实现方式中，若使用第三随机扰动策略更新卸载决策，则资源占用增量为：
ΔC＝[Δc1,Δc2,Δc3]＝[ci1-cj1,ci2-cj2,ci3-cj3] (6)
其中，ΔC为资源占用增量，Δc1为通信资源占用增量，Δc2为计算资源占用增量，Δc3为存储资源占用增量，ci1为基站卸载任务i需要提供的通信资源，cj1为基站卸载任务j需要提供的通信资源，ci2为基站卸载任务i需要提供的计算资源，cj2为基站卸载任务j需要提供的计算资源，ci3为基站卸载任务i需要提供的存储资源，cj3为基站卸载任务i需要提供的存储资源。
任务价值增量为：
Δv＝vi-vj (7)
其中，Δv为任务价值增量，vi为卸载任务i给基站带来的价值收益，vj为卸载任务j给基站带来的价值收益。
需要说明的是，终端在向基站发送任务卸载请求时，会将请求的上述通信资源、计算资源和存储资源信息发送给基站。
其中，卸载任务i获得的任务价值通过公式(8)计算：
其中，vi(t)为在时隙t时卸载任务i的价值收益，τi为任务i所能忍受的最大时延，τi的值通过预设得到，δi是一个0到1之间的常数，Di(t)为任务i当前时隙与上次被卸载时隙的时间间隔，ri(t)为当前时隙的数据速率，Ri(t-1)表示过去所有时隙的平均数据速率，βi表示任务i的价值收益因子。其中，所运行不同的任务类型则对应不同的βi值，可以预设βi值，实际状况下，βi值由卸载任务的运营商决定。
步骤203，判断资源占用增量和总任务价值增量是否满足预设条件。
一种实现方式中，预设条件包括根据接受准则Metropolis接受更新的卸载决策、当前马尔可夫链Markov长度达到长度阈值和当前退火温度达到温度阈值。
步骤204，若资源占用总量和任务价值增量不满足预设条件，则返回根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果。
一种实现方式中，若资源占用总量和任务价值增量不满足接受准则Metropolis、当前马尔可夫链Markov长度达到长度阈值和当前退火温度达到温度阈值中的一种或多种时，则需要返回步骤201，重新确定卸载决策结果。
步骤205，若资源占用增量和总任务价值增量满足预设条件，则确定更新的卸载决策为卸载决策结果。
其中，基站根据卸载决策结果，对可进行任务卸载的终端，即在任务卸载决策结果中值为1的元素，进行任务卸载。
可见，应用本发明实施例，由于可以通过资源占用增量和总任务价值增量判断是否接受更新后的卸载决策，即判断更新后的卸载决策是否优于更新前的卸载决策，当资源占用增量和总任务价值增量满足预设条件时便可获得卸载决策结果，所以不需要大规模计算，减少了确定卸载决策所需要的时间。
参见图3，图3为本发明实施例提供的一种小小区下任务卸载方法中判断资源占用增量和总任务价值增量是否满足预设条件的方法流程图，包括如下步骤：
步骤301，根据资源占用增量和总任务价值增量，依据接受准则Metropolis，判断是否接受更新的卸载决策。
一种实现方式中，接受准则Metropolis如公式(9)所示：
其中，p为接收更新的卸载决策的概率，为基站的系统可提供的最大资源量，C为当前资源占用量，ΔC为资源占用增量，Δv为总任务价值增量，Tcurrent为当前退火温度。
需要说明的是，若接受并执行更新的卸载决策，当时，表示执行更新的卸载决策时资源占用量超过基站可提供的资源量，不满足实际情况，为不可行解，故舍弃该卸载决策，即接受更新的卸载决策的概率为0；
当且Δv&gt;0时，表示资源占用量没有超过基站可提供的资源量，且提高了基站的总任务价值，为优质解，故接受该卸载决策，即接受该更新的卸载决策的概率为1；
当且Δv≤0时，表示执行更新的卸载决策时，虽然资源占用量不会超过基站可提供的资源量，但是会降低基站的总任务价值，为劣质解，所以可以以概率p＝{exp(Δv/Tcurrent)&gt;rand}接受更新的卸载决策，其中rand是[0,1]之间的随机数。
步骤302，若不接受更新的卸载决策，则返回根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新。
一种实现方式中，由于不接受更新的卸载决策时，认为更新的卸载决策不优于当前卸载决策，所以在返回步骤201再次更新卸载决策时，以当前使用的卸载决策为基础进行更新，可以理解的是，当前使用的卸载决策不是所述更新的卸载决策。
步骤303，若接受更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值。
一种实现方式中，判断当前马尔可夫链长度l是否大于长度阈值L。其中，l的初始值为预设值，可以为1；长度阈值L为预设值，可以为100n，n为向基站请求任务卸载的终端数量。
步骤304，若未达到长度阈值，则更新当前马尔可夫链Markov长度，并返回根据随机扰动策略更新卸载决策的步骤，以更新的卸载决策为基础进行更新。
一种实现方式中，若未达到长度阈值，则更新当前马尔可夫链Markov长度l，即，将l+1，并根据更新的卸载决策和随机扰动策略，获得再次更新的卸载决策，然后重新执行图2所示的方法流程，以确定是否接受再次更新的卸载决策。
步骤305，若达到长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值。
一种实现方式中，判断本次迭代退火温度Tk是否小于温度阈值Tc。
示例性的，可以将Tc设为10。
其中，本次迭代退火温度根据退火策略一或退火策略二计算：
退火策略一：
Tk＝αkT0 (10)
其中，Tk为第次迭代时的退火温度，α为预设的衰减系数，k为迭代次数，T0为预设的初始退火温度。
示例性的，可以将α设为0.95，T0可以设为1000。
退火策略二：
其中，Tk为第k次迭代时的退火温度，α为预设的衰减系数，k为迭代次数，T0为预设的初始退火温度。
步骤306，若未达到温度阈值，则更新当前退火温度，并返回根据随机扰动策略更新卸载决策的步骤，以更新的卸载决策为基础进行更新。
一种实现方式中，若未达到温度阈值，则更新迭代次数，即，k+1，并根据退火策略一或退火策略二重新计算当前退火温度，返回根据随机扰动策略更新卸载决策的步骤，根据更新的卸载决策和随机扰动策略，获得再次更新的卸载决策，重新执行图2所示的方法流程，以确定是否接受再次更新的卸载决策。
步骤307，若达到温度阈值，则将更新的卸载决策确定为卸载决策结果。
可见，应用本发明实施例，通过判断更新的卸载决策是否满足Metropolis接受准则、Markov链长度以及退火温度，经过数次迭代更新，获得卸载决策的最优解。由于经过Metropolis接受准则接受的更新的卸载决策优于更新前的卸载决策，所以在数次迭代更新后，会得到卸载决策的最优解。
参见图4，图4为本发明实施例提供的一种小小区下任务卸载方法中，在确定卸载决策结果之后，确定资源分配指示因子最优值和发射功率最优值的方法流程图，包括如下步骤：
步骤401，设置资源分配指示因子初始值和发射功率初始值。
其中，资源分配指示因子表示基站为根据所述卸载决策结果确定的各个可进行任务卸载的终端分配的资源块，发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率。
一种实现方式中，若基站给根据卸载决策结果确定的可进行任务卸载的终端i分配了资源块j，那么资源分配指示因子αi,j为1，否则为0；
示例性的，资源分配指示因子αi,j的初始值可以是随机设置的，只需要保证每个资源块只分配给了一个可进行任务卸载的终端即可。
其中，发射功率的初始值可以随机设置，只需要保证发射功率不大于在资源块上发射的最大功率即可。
步骤402，根据资源分配指示因子初始值、发射功率初始值和第一约束条件，构建部分拉格朗日函数。
一种实现方式中，根据公式(12)将整数变量αi,j松弛为连续变量：
αi,j∈{0,1}→αi,j∈[0,1] (12)
引入辅助变量
其中，为可进行任务卸载的终端i在资源块j上的发射功率；Pi,j为假设将资源块j分配给可进行任务卸载的终端i，终端i在资源块j上的发射功率；为可进行任务卸载的终端i在资源块j上的数据传输速率；αi,j为资源分配指示因子，BRB为资源块的带宽，为固有参数180kHz，Gi,j为可进行任务卸载的终端i在资源块j上的发射功率，N0为加性高斯白噪声的功率谱密度。
举例而言，若存在3个资源块，分别为资源块1、资源块2和资源块3，若为终端1分配了资源块1，则终端1在资源块1上的发射功率为P1,1，同样，若为终端1分配了资源块2，则终端2在资源块1上的发射功率为P1,2，若为终端1分配了资源块2，则终端2在资源块1上的发射功率为P1,3。然而实际上基站并不会将这三个资源块都分配给终端1，所以可根据资源分配指示因子确定终端1在每个资源块上的发射功率，例如：可进行任务卸载的终端1被分配了资源块1，未被分配资源块2和3，则和
再例如，若可进行任务卸载的终端1被分配了资源块1，未被分配资源块2和3，则为： 和
然后，可根据辅助变量构建目标函数及约束条件：
其中，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益。
其中，目标函数的意义是为了求最优的αi,j和Pi,j的值，即求和使得的值取最大值，即使得基站的收益最大化。
其中，为了符合实际情况，获得资源分配指示因子最优值和发射功率最优值，需要对目标函数构建约束条件，下面分别介绍各约束条件的意义：
约束条件C1表示：可进行任务卸载的终端在每个资源块上的发射功率的和不大于终端可以提供的最大发射功率。
约束条件C2表示：终端i在每个资源块上的数据传输速率的和不小于终端可接受的传输速率的最小值。
约束条件C3表示：可进行任务卸载的终端i在资源块j上的发射功率的值不能小于0。
约束条件C4表示：在资源块j上分配的可进行任务卸载的终端的数量不超过1。
约束条件C5表示：资源分配指示因子的值在0-1之间。
根据目标函数和第一约束条件，第一约束条件是约束条件C1和约束条件C2，构建部分拉格朗日函数：
其中，为可进行任务卸载的终端i在资源块j上的发射功率，λi，μi为可进行任务卸载的终端i的拉格朗日乘子，μ为可进行任务卸载的终端数量，r为基站可分配的资源块数量，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益，为可进行任务卸载的终端i在资源块j上的数据传输速率，Pmax为终端可提供的最大发射功率，为可进行任务卸载的终端i传输需要的最小数据传输速率。其中，λi和μi的值是预先设置的，可以将取值范围设置为0-0.1。
步骤403，通过部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值。
其中，资源分配指示因子最优值为基站收益最大时的资源分配指示因子值；发射功率最优值为基站收益最大时发射功率值。
一种实现方式中，根据部分拉格朗日函数(17)构建拉格朗日对偶问题：
其中，λi,μi为可进行任务卸载的终端i的拉格朗日乘子，为可进行任务卸载的终端i在资源块j上的发射功率；αi,j为资源分配指示因子。
根据公式(18)，获得部分拉格朗日对偶问题的子问题：
其中，λi,μi为可进行任务卸载的终端i的拉格朗日乘子，为可进行任务卸载的终端i在资源块j上的发射功率；αi,j为资源分配指示因子。
根据KKT条件(20)，以及拉格朗日对偶问题的子问题，通过公式(21)获得可进行任务卸载的终端i在资源块j上的发射功率的最优值
其中，可进行任务卸载的终端i在资源块j上的发射功率的最优值，λi,μi为可进行任务卸载的终端i的拉格朗日乘子，αi,j为资源分配指示因子，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益，BRB为资源块的带宽，N0为加性高斯白噪声的功率谱密度，Gi,j为可进行任务卸载的终端i在资源块j上的信道增益。
将公式(21)解得的辅助变量最优值带入考虑到αi,j∈{0,1}，取αi,j＝1时，获得发射功率最优值
其中，为可进行任务卸载的终端i在资源块j上的发射功率最优值，αi,j为资源分配指示因子，λi,μi为可进行任务卸载的终端i的拉格朗日乘子，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益，BRB为资源块的带宽，N0为加性高斯白噪声的功率谱密度，Gi,j为可进行任务卸载的终端i在资源块j上的信道增益。
需要说明的是，由于[·]+代表的计算为公式(23)，所以必定不小于0，即满足约束条件C3。
将带入公式(19)，并令可得：
其中，为可进行任务卸载的终端i在资源块j上的数据传输速率最优值，为可进行任务卸载的终端i在资源块j上的发射功率最优值，λi,μi为可进行任务卸载的终端i的拉格朗日乘子，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益，BRB为资源块的带宽，N0为加性高斯白噪声的功率谱密度，Gi,j为可进行任务卸载的终端i在资源块j上的信道增益，Pmax为终端可提供的最大发射功率，为可进行任务卸载的终端i可接受的数据传输速率最小值。
根据公式(24)、约束条件C4和约束条件C5，令可以得到资源分配指示因子最优值α* i,j：
其中，Hi,j为将资源块j分配给可进行任务卸载的终端i的权重系数，λi,μi为可进行任务卸载的终端i的拉格朗日乘子值，βi为可进行任务卸载的终端i进行任务卸载后基站可获得的任务收益，为可进行任务卸载的终端i在资源块j上的发射功率最优值，为可进行任务卸载的终端i在资源块j上的数据传输速率最优值。
可选的，根据公式(26)和(27)，判断是否接受当前资源分配指示因子的最优值和发射功率最优值：
其中，η为收敛精度，取值范围可以为10-6-10-8之间。
若同时满足公式(26)和(27)，则认为接受当前资源分配指示因子的最优值和发射功率最优值。
或根据判断当前迭代次数m是否等于预设最大迭代次数M，若当前迭代次数m等于预设最大迭代次数M，则认为接受当前资源分配指示因子的最优值和发射功率最优值。
示例性的，预设最大迭代次数M可以为100。
若不接受当前资源分配指示因子的最优值和发射功率最优值，则更新当前迭代次数m，即，m+1，利用公式(28)更新本次迭代的可进行任务卸载的终端i的拉格朗日乘子利用公式(29)更新本次迭代的可进行任务卸载的终端i的拉格朗日乘子
其中，为第m次迭代的可进行任务卸载的终端i的拉格朗日乘子值，Pmax为终端可提供的最大发射功率，r为基站可分配的资源块数量，为第m-1次迭代的可进行任务卸载的终端i在资源块j上的发射功率，为可进行任务卸载的终端i可接受的数据传输速率最小值，为第m次迭代的可进行任务卸载的终端i的拉格朗日乘子值，ε1和ε2为迭代步长。
示例性的，迭代步长ε1和ε2可以设置为1-10之间的整数。
将更新后的拉格朗日乘子带入公式(21)，重新计算资源分配指示因子最优值和发射功率最优值。
步骤404，分别向各个可进行任务卸载的终端发送各自对应的资源分配指示因子最优值和发射功率最优值。
一种实现方式中，基站将各个资源分配指示因子及各个发射功率发送给其对应的终端，终端根据资源分配指示因子最优值确定其分配的资源块，根据发射功率最优值确定其在各资源块上的发射功率，各个终端在分配的资源块上将需要传输的任务信息根据发射功率发送给基站。
步骤405，接收各个可进行任务卸载的终端根据自身对应的资源分配指示因子最优值和发射功率最优值发送的待卸载任务的信息。
一种实现方式中，基站根据接收到的待卸载任务的信息，接管待卸载任务。
可见，应用本发明实施例，在获得接卸决策结果后，能够根据卸载决策结果，通过构建拉格朗日函数和预设约束条件，求得资源分配指示因子最优值和可进行任务卸载的终端在各资源块上的发射功率最优值，这样，可进行任务卸载的终端可根据分配的资源块以发射功率将需要卸载的任务发送给基站，由于资源分配指示因子最优值和发射功率最优值都是在基站收益最大时得到的，所以应用本发明实施例能够使基站的收益最大化。
参见图5，图5为本发明实施例提供的一种小小区下任务卸载装置结构示意图，包括：
扰动模块501，用于根据随机扰动策略更新卸载决策；卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载；
确定模块502，用于确定若执行根据所述扰动模块确定的更新的卸载决策，基站的资源占用增量和总任务价值增量；资源占用增量为若执行所述更新的卸载决策，基站的资源占用量与当前所述基站的资源占用量之间的差值；总任务价值增量为若执行更新的卸载决策，基站承载终端卸载的任务产生的价值收益，与当前基站承载终端卸载的任务产生的价值收益之间的差值；
判断模块503，用于判断根据确定模块确定的所述资源占用增量和总任务价值增量是否满足预设条件；
返回模块504，用于若根据判断模块判断的资源占用总量和任务价值增量不满足所述预设条件，则返回根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果；
卸载决策结果确定模块505，用于若根据判断模块判断的资源占用增量和总任务价值增量满足所述预设条件，则确定更新的卸载决策为卸载决策结果。
具体的，扰动模块501，可以包括：终端判断单元、第一扰动单元、随机数生成单元、所述第二扰动单元和所述第三扰动单元；
终端判断单元，用于随机选择向所述基站请求任务卸载的一个目标终端，根据当前卸载决策判断所述目标终端是否为可进行任务卸载的终端；
第一扰动单元，用于若根据所述终端判断单元判断的所述目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，所述第一扰随机动策略为将所述目标终端更新为不可进行任务卸载的终端，并随机选择一个向所述基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端；
随机数生成单元，用于若根据终端判断单元判断的所述目标终端为不可进行任务卸载的终端，则生成一个随机数，判断随机数的值是否小于概率阈值；
第二扰动单元，用于若随机数生成单元生成的随机数小于概率阈值，则根据第二随机扰动策略更新卸载决策，第二随机扰动策略为将所述目标终端更新为可进行任务卸载的终端；
第三扰动单元，用于若随机数生成单元生成的随机数不小于概率阈值，则根据第三随机扰动策略更新卸载决策，第三随机扰动策略为将目标终端更新为可进行任务卸载的终端，并随机选择一个向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
具体的，判断模块503，可以包括：第一判断单元、第一返回单元、第二判断单元、第二返回单元、第三判断单元、第三返回单元和卸载决策结果确定单元；
第一判断单元，用于根据资源占用增量和所述总任务价值增量，依据接受准则Metropolis，判断是否接受更新的卸载决策；
第一返回单元，用于若根据所述第一判断单元判断的不接受更新的卸载决策，则返回根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新；
所述第二判断单元，用于若根据第一判断单元判断的接受所述更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值；
所述第二返回单元，用于若根据第二判断单元判断的未达到长度阈值，则更新当前马尔可夫链Markov长度，并返回根据随机扰动策略更新卸载决策的步骤，以更新的卸载决策为基础进行更新；
第三判断单元，用于若根据第二判断单元判断的达到所述长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值；
第三返回单元，用于若根据所述第三判断单元判断的未达到温度阈值，则更新所述当前退火温度，并返回根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
卸载决策结果确定单元，用于若根据第三判断单元判断的达到所述温度阈值，则将更新的卸载决策确定为卸载决策结果。
具体的，装置还包括：设置模块、构建模块、最优值确定模块、发送模块和接收模块；
设置模块，用于设置资源分配指示因子初始值和发射功率初始值；资源分配指示因子表示基站为根据卸载决策结果确定的各个可进行任务卸载的终端分配的资源块；发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率；
构建模块，用于根据设置单元设置的资源分配指示因子初始值、发射功率初始值和第一约束条件，构建部分拉格朗日函数；
最优值确定模块，用于通过构建单元构建的部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值；资源分配指示因子最优值为基站收益最大时各个可进行任务卸载的终端的资源分配指示因子值；发射功率最优值为基站收益最大时各个可进行任务卸载的终端的发射功率值；
发送模块，用于分别向各个可进行任务卸载的终端发送各自对应的根据最优值确定单元确定的资源分配指示因子最优值和各个发射功率最优值发送给其对应的终端；
接收模块，用于接收各个可进行任务卸载的终端根据所述发送单元发送的自身对应的资源分配指示因子最优值和发射功率最优值发送的需要卸载的任务信息。
本发明实施例提供的一种小小区下任务卸载装置，可以根据随机扰动策略更新卸载决策；确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量；若资源占用增量和总任务价值增量不满足预设条件，则返回根据扰动策略更新卸载决策；若资源占用增量和总任务价值增量满足预设条件，则将更新的卸载决策确定为卸载决策结果。这样，由于可以通过资源占用增量和总任务价值增量判断是否接受更新后的卸载决策，即判断更新后的卸载决策是否优于更新前的卸载决策，当资源占用增量和总任务价值增量满足预设条件时便可获得卸载决策结果，所以不需要大规模计算，减少了确定卸载决策所需要的时间。
本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，
存储器603，用于存放计算机程序；
处理器601，用于执行存储器603上所存放的程序时，实现上述方法实施例中由基站执行的步骤。
本发明实施例提供的一种小小区下任务卸载电子设备，可以根据随机扰动策略更新卸载决策；确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量；若资源占用增量和总任务价值增量不满足预设条件，则返回根据扰动策略更新卸载决策；若资源占用增量和总任务价值增量满足预设条件，则将更新的卸载决策确定为卸载决策结果。这样，由于可以通过资源占用增量和总任务价值增量判断是否接受更新后的卸载决策，当资源占用增量和总任务价值增量满足预设条件时便可获得卸载决策结果，所以不需要大规模计算，减少了确定卸载决策所需要的时间。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一小小区下任务卸载方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一小小区下任务卸载方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (9)

1.一种小小区下任务卸载方法，其特征在于，包括：
根据随机扰动策略更新卸载决策；所述卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载；
确定若执行更新的卸载决策，基站的资源占用增量和总任务价值增量；所述资源占用增量为若执行所述更新的卸载决策，所述基站的资源占用量与当前所述基站的资源占用量之间的差值；所述总任务价值增量为若执行所述更新的卸载决策，所述基站承载终端卸载的任务产生的价值收益，与当前所述基站承载终端卸载的任务产生的价值收益之间的差值；
判断所述资源占用增量和所述总任务价值增量是否满足预设条件；
若所述资源占用总量和所述任务价值增量不满足所述预设条件，则返回所述根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果；
若所述资源占用增量和所述总任务价值增量满足所述预设条件，则确定所述更新的卸载决策为卸载决策结果。
2.根据权利要求1所述的方法，其特征在于，所述根据随机扰动策略更新卸载决策，包括：
随机选择向所述基站请求任务卸载的一个目标终端，根据当前卸载决策判断所述目标终端是否为可进行任务卸载的终端；
若所述目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，所述第一随机扰动策略为将所述目标终端更新为不可进行任务卸载的终端，并随机选择一个向所述基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端；
若所述目标终端为不可进行任务卸载的终端，则生成一个随机数，判断所述随机数的值是否小于概率阈值；
若小于所述概率阈值，则根据第二随机扰动策略更新卸载决策，所述第二随机扰动策略为将所述目标终端更新为可进行任务卸载的终端；
若不小于所述概率阈值，则根据第三随机扰动策略更新卸载决策，所述第三随机扰动策略为将所述目标终端更新为可进行任务卸载的终端，并随机选择一个所述向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
3.根据权利要求2所述的方法，其特征在于，所述判断所述资源占用增量和所述总任务价值增量是否满足预设条件，包括：
根据所述资源占用增量和所述总任务价值增量，依据接受准则Metropolis，判断是否接受所述更新的卸载决策；
若不接受所述更新的卸载决策，则返回所述根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新；
若接受所述更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值；
若未达到所述长度阈值，则更新所述当前马尔可夫链Markov长度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
若达到所述长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值；
若未达到所述温度阈值，则更新所述当前退火温度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
若达到所述温度阈值，则将所述更新的卸载决策确定为卸载决策结果。
4.根据权利要求1所述的方法，其特征在于，在确定所述更新的卸载决策为卸载决策结果之后，所述方法还包括：
设置资源分配指示因子初始值和发射功率初始值；所述资源分配指示因子表示基站为根据所述卸载决策结果确定的各个可进行任务卸载的终端分配的资源块；所述发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率；
根据所述资源分配指示因子初始值、所述发射功率初始值和第一约束条件，构建部分拉格朗日函数；
通过所述部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值；所述资源分配指示因子最优值为基站收益最大时各个可进行任务卸载的终端的资源分配指示因子值；所述发射功率最优值为基站收益最大时各个可进行任务卸载的终端的发射功率值；
分别向各个可进行任务卸载的终端发送各自对应的资源分配指示因子最优值和发射功率最优值；
接收所述各个可进行任务卸载的终端根据自身对应的资源分配指示因子最优值和发射功率最优值发送的待卸载任务的信息。
5.一种小小区下任务卸载装置，其特征在于，包括：
扰动模块，用于根据随机扰动策略更新卸载决策；所述卸载决策用于表示向基站请求任务卸载的每个终端是否可进行任务卸载；
确定模块，用于确定若执行根据所述扰动模块确定的更新的卸载决策，基站的资源占用增量和总任务价值增量；所述资源占用增量为若执行所述更新的卸载决策，所述基站的资源占用量与当前所述基站的资源占用量之间的差值；所述总任务价值增量为若执行所述更新的卸载决策，所述基站承载终端卸载的任务产生的价值收益，与当前所述基站承载终端卸载的任务产生的价值收益之间的差值；
判断模块，用于判断根据所述确定模块确定的所述资源占用增量和所述总任务价值增量是否满足预设条件；
返回模块，用于若根据所述判断模块判断的所述资源占用总量和所述任务价值增量不满足所述预设条件，则返回所述根据随机扰动策略更新卸载决策的步骤，重新确定卸载决策结果；
卸载决策结果确定模块，用于若根据所述判断模块判断的所述资源占用增量和所述总任务价值增量满足所述预设条件，则确定所述更新的卸载决策为卸载决策结果。
6.根据权利要求5所述的装置，其特征在于，所述扰动模块，包括：终端判断单元、第一扰动单元、随机数生成单元、第二扰动单元和第三扰动单元；
所述终端判断单元，用于随机选择向所述基站请求任务卸载的一个目标终端，根据当前卸载决策判断所述目标终端是否为可进行任务卸载的终端；
所述第一扰动单元，用于若根据所述终端判断单元判断的所述目标终端为可进行任务卸载的终端，则根据第一随机扰动策略更新卸载决策，所述第一扰随机动策略为将所述目标终端更新为不可进行任务卸载的终端，并随机选择一个向所述基站请求任务卸载的不可进行任务卸载的终端，将其更新为可进行任务卸载的终端；
所述随机数生成单元，用于若根据所述终端判断单元判断的所述目标终端为不可进行任务卸载的终端，则生成一个随机数，判断所述随机数的值是否小于概率阈值；
所述第二扰动单元，用于若所述随机数生成单元生成的随机数小于所述概率阈值，则根据第二随机扰动策略更新卸载决策，所述第二随机扰动策略为将所述目标终端更新为可进行任务卸载的终端；
所述第三扰动单元，用于若所述随机数生成单元生成的随机数不小于所述概率阈值，则根据第三随机扰动策略更新卸载决策，所述第三随机扰动策略为将所述目标终端更新为可进行任务卸载的终端，并随机选择一个所述向基站请求任务卸载的可进行任务卸载的终端，将其更新为不可进行任务卸载的终端。
7.根据权利要求6所述的装置，其特征在于，所述判断模块，包括：第一判断单元、第一返回单元、第二判断单元、第二返回单元、第三判断单元、第三返回单元和卸载决策结果确定单元；
所述第一判断单元，用于根据所述资源占用增量和所述总任务价值增量，依据接受准则Metropolis，判断是否接受所述更新的卸载决策；
所述第一返回单元，用于若根据所述第一判断单元判断的不接受所述更新的卸载决策，则返回所述根据随机扰动策略更新卸载决策的步骤，以当前使用的卸载决策为基础进行更新；
所述第二判断单元，用于若根据所述第一判断单元判断的接受所述更新的卸载决策，则判断当前马尔可夫链Markov长度是否达到长度阈值；
所述第二返回单元，用于若根据所述第二判断单元判断的未达到所述长度阈值，则更新所述当前马尔可夫链Markov长度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
所述第三判断单元，用于若根据所述第二判断单元判断的达到所述长度阈值，则根据预设的初始退火温度及已更新退火温度的次数确定当前退火温度，判断当前退火温度是否达到温度阈值；
所述第三返回单元，用于若根据所述第三判断单元判断的未达到所述温度阈值，则更新所述当前退火温度，并返回所述根据随机扰动策略更新卸载决策的步骤，以所述更新的卸载决策为基础进行更新；
所述卸载决策结果确定单元，用于若根据所述第三判断单元判断的达到所述温度阈值，则将所述更新的卸载决策确定为卸载决策结果。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：设置模块、构建模块、最优值确定模块、发送模块和接收模块；
所述设置模块，用于设置资源分配指示因子初始值和发射功率初始值；所述资源分配指示因子表示基站为根据所述卸载决策结果确定的各个可进行任务卸载的终端分配的资源块；所述发射功率为所述各个可进行任务卸载的终端在各资源块上的发射功率；
所述构建模块，用于根据所述设置单元设置的所述资源分配指示因子初始值、所述发射功率初始值和第一约束条件，构建部分拉格朗日函数；
所述最优值确定模块，用于通过所述构建单元构建的所述部分拉格朗日函数和第二约束条件，确定资源分配指示因子最优值和发射功率最优值；所述资源分配指示因子最优值为基站收益最大时各个可进行任务卸载的终端的资源分配指示因子值；所述发射功率最优值为基站收益最大时各个可进行任务卸载的终端的发射功率值；
所述发送模块，用于分别向各个可进行任务卸载的终端发送各自对应的根据所述最优值确定单元确定的资源分配指示因子最优值和各个发射功率最优值发送给其对应的终端；
所述接收模块，用于接收所述各个可进行任务卸载的终端根据所述发送单元发送的自身对应的所述资源分配指示因子最优值和发射功率最优值发送的需要卸载的任务信息。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4任一所述的方法步骤。
CN201810990049.4A 2018-08-28 2018-08-28 一种小小区下任务卸载方法及装置 Active CN109144730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810990049.4A CN109144730B (zh) 2018-08-28 2018-08-28 一种小小区下任务卸载方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810990049.4A CN109144730B (zh) 2018-08-28 2018-08-28 一种小小区下任务卸载方法及装置

Publications (2)

Publication Number Publication Date
CN109144730A true CN109144730A (zh) 2019-01-04
CN109144730B CN109144730B (zh) 2020-07-31

Family

ID=64828794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810990049.4A Active CN109144730B (zh) 2018-08-28 2018-08-28 一种小小区下任务卸载方法及装置

Country Status (1)

Country Link
CN (1) CN109144730B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096318A (zh) * 2019-05-08 2019-08-06 北京邮电大学 一种基于移动边缘计算的任务卸载方法及装置
CN112148464A (zh) * 2020-10-30 2020-12-29 深圳供电局有限公司 一种移动边缘计算任务的卸载方法及系统
CN112839360A (zh) * 2019-11-25 2021-05-25 华为技术有限公司 资源分配的方法及通信设备
CN113537859A (zh) * 2020-04-16 2021-10-22 顺丰科技有限公司 仓网构建方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
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
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
CN107249217A (zh) * 2017-05-25 2017-10-13 东南大学 自组织移动云网络的联合任务卸载和资源分配方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
CN107249217A (zh) * 2017-05-25 2017-10-13 东南大学 自组织移动云网络的联合任务卸载和资源分配方法
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
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)

* Cited by examiner, † Cited by third party
Title
DINH THAI HOANG 等: "A Dynamic Edge Caching Framework for Mobile 5G Networks", 《IEEE WIRELESS COMMUNICATIONS》 *
PENGTAO ZHAO 等: "Energy-Saving Offloading by Jointly Allocating Radio and Computational Resources for Mobile Edge Computing", 《MOBILE EDGE COMPUTING FOR WIRELESS NETWORKS》 *
TE-YI KAN 等，: "Task offloading and resource allocation in mobile-edge computing system", 《2018 27TH WIRELESS AND OPTICAL COMMUNICATION CONFERENCE (WOCC)》 *
田辉: "面向 5G 需求的移动边缘计算", 《北京邮电大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096318A (zh) * 2019-05-08 2019-08-06 北京邮电大学 一种基于移动边缘计算的任务卸载方法及装置
CN110096318B (zh) * 2019-05-08 2021-01-08 北京邮电大学 一种基于移动边缘计算的任务卸载方法及装置
CN112839360A (zh) * 2019-11-25 2021-05-25 华为技术有限公司 资源分配的方法及通信设备
WO2021103991A1 (zh) * 2019-11-25 2021-06-03 华为技术有限公司 资源分配的方法及通信设备
CN112839360B (zh) * 2019-11-25 2023-04-18 华为技术有限公司 资源分配的方法及通信设备
CN113537859A (zh) * 2020-04-16 2021-10-22 顺丰科技有限公司 仓网构建方法、装置、计算机设备和存储介质
CN113537859B (zh) * 2020-04-16 2024-02-06 顺丰科技有限公司 仓网构建方法、装置、计算机设备和存储介质
CN112148464A (zh) * 2020-10-30 2020-12-29 深圳供电局有限公司 一种移动边缘计算任务的卸载方法及系统
CN112148464B (zh) * 2020-10-30 2023-07-07 深圳供电局有限公司 一种移动边缘计算任务的卸载方法及系统

Also Published As

Publication number Publication date
CN109144730B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN109144730A (zh) 一种小小区下任务卸载方法及装置
CN113504999B (zh) 一种面向高性能分层联邦边缘学习的调度与资源分配方法
CN111866775B (zh) 一种业务编排方法及装置
CN103927229A (zh) 在动态可用服务器集群中调度映射化简作业
CN109788489A (zh) 一种基站规划方法及装置
CN108076486A (zh) 一种基于负载均衡的动态无线资源分配算法
Xin et al. On dynamic spectrum allocation in geo-location spectrum sharing systems
CN111342883A (zh) 一种资源分配方法及装置
CN108874502A (zh) 云计算集群的资源管理方法、装置及设备
CN114205317B (zh) 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备
Wang et al. Joint service caching, resource allocation and computation offloading in three-tier cooperative mobile edge computing system
CN109041236B (zh) 一种不同权重业务的无线资源分配方法及装置
CN112867162B (zh) 一种切片资源配置方法及装置
Cao et al. Mapping strategy for virtual networks in one stage
Dong et al. Multi-objective optimization method for spectrum allocation in cognitive heterogeneous wireless networks
CN110392413B (zh) 一种信道扫描的方法及装置
CN116980188A (zh) 任务调度方法、设备、存储介质及装置
CN113472591B (zh) 一种业务性能的确定方法及装置
Li et al. An efficient multi-model training algorithm for federated learning
KR102056894B1 (ko) 포그 산업용 사물인터넷 네트워크의 동적 리소스 재분배 방법
CN114281544A (zh) 一种基于边缘计算的电力任务执行方法及装置
Eng et al. An Integrated Robust Optimization model of capacity planning under demand uncertainty in electronic industry
CN116151711A (zh) 订单分配方法、装置、存储介质及电子设备
CN108923903B (zh) 多天线系统的导频分配方法、系统及电子设备
CN111694670A (zh) 资源分配方法、装置、设备和计算机可读介质

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