CN109167787B - 一种移动边缘计算网络中安全计算卸载的资源优化方法 - Google Patents

一种移动边缘计算网络中安全计算卸载的资源优化方法 Download PDF

Info

Publication number
CN109167787B
CN109167787B CN201811036972.0A CN201811036972A CN109167787B CN 109167787 B CN109167787 B CN 109167787B CN 201811036972 A CN201811036972 A CN 201811036972A CN 109167787 B CN109167787 B CN 109167787B
Authority
CN
China
Prior art keywords
communication
user
initial
resource allocation
mobile edge
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
Application number
CN201811036972.0A
Other languages
English (en)
Other versions
CN109167787A (zh
Inventor
利强
雷晋
林静然
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811036972.0A priority Critical patent/CN109167787B/zh
Publication of CN109167787A publication Critical patent/CN109167787A/zh
Application granted granted Critical
Publication of CN109167787B publication Critical patent/CN109167787B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H04L63/0414—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden during transmission, i.e. party's identity is protected against eavesdropping, e.g. by using temporary identifiers, but is known to the other party or parties involved in the communication
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种移动边缘计算网络中安全计算卸载的资源优化方法，其包括以下步骤：S1、初始化用户和移动边缘服务器的参数和配置；S2、获取初始通信与计算资源分配方案和对应的初始目标函数值；S3、根据初始通信与计算资源分配方案，采用投影梯度法获取新的通信与计算资源分配方案和对应的新目标函数值；S4、判断新目标函数值与上次目标函数值的差值是否在阈值范围内，若是则输出当前的通信与计算资源分配方案并结束优化；否则进入步骤S5；S5、将当前的通信与计算资源分配方案作为初始通信与计算资源分配方案，并返回步骤S3。本发明考虑了系统中存在窃听者的场景，提高了系统的安全性，实现了最小延时，提高了服务质量。

Description

一种移动边缘计算网络中安全计算卸载的资源优化方法
技术领域
本发明涉及无线通信和边缘计算领域，具体涉及一种移动边缘计算网络中安全计算卸载的资源优化方法。
背景技术
移动边缘计算网络是对云网络的延伸，即把大量具有计算、存储、通信等功能的处理器放在云网络的边缘，以实现更高速率的传输和更短的延时。边缘计算通常考虑分布式计算模式，即计算任务是可以分解为多个子任务并行计算的。因此，用户具体要对任务做出怎样的分解，是边缘计算中亟待解决的问题。此外，边缘计算网络中，虽然用户离服务器的距离更近了，但用户的隐私保护仍然是必须考虑的重要因素。
发明内容
针对现有技术中的上述不足，本发明提供的一种移动边缘计算网络中安全计算卸载的资源优化方法使得用户任务延迟小，提高了系统的实时性和安全性。
为了达到上述发明目的，本发明采用的技术方案为：
提供一种移动边缘计算网络中安全计算卸载的资源优化方法，其包括以下步骤：
S1、初始化用户和移动边缘服务器的参数和配置；
S2、根据用户和移动边缘服务器的参数和配置得到初始通信与计算资源分配方案和对应的初始目标函数值；
S3、根据初始通信与计算资源分配方案，采用投影梯度法获取新的通信与计算资源分配方案和对应的新目标函数值；
S4、判断新目标函数值与上次目标函数值的差值是否在阈值范围内，若是则输出当前的通信与计算资源分配方案并结束优化；否则进入步骤S5；
S5、将当前的通信与计算资源分配方案作为初始通信与计算资源分配方案，并返回步骤S3。
进一步地，步骤S1中移动边缘服务器的参数和配置包括：
用户数量K、窃听者数量L、移动边缘服务器MEC的天线数目M、用户天线数N、窃听者天线数E、第k个用户与窃听者之间的信道
Figure BDA0001791123710000021
用户与移动边缘服务器MEC之间的信道
Figure BDA0001791123710000022
第k个用户的最大计算频率Fk,max、第k个用户的发射功率限制Pk、第k个用户的任务描述比特数Dk、处理每比特数据所需的CPU周期κ、第k个用户的初始发送信号协方差矩阵移动边缘服务器MEC的最大计算频率FM,max、无线信道带宽B和误差阈值[-err，err]；其中k∈(1,2,…,K)；(·)H为共轭转置；
Figure BDA0001791123710000024
为复数域。
进一步地，步骤S2的具体方法为：
获取第k个用户的任务卸载比例
Figure BDA0001791123710000025
其中
Figure BDA0001791123710000026
获取移动边缘服务器MEC分配给第k个用户的初始计算资源
Figure BDA00017911237100000212
获取第k个用户的安全通信速率的初始值
Figure BDA0001791123710000027
其中
Figure BDA0001791123710000029
I为单位矩阵；Hm为第m个用户与移动边缘服务器MEC之间的信道，且
Figure BDA00017911237100000210
Figure BDA00017911237100000211
为第m个用户的初始发送信号协方差矩阵；Gm为第m个用户与L个窃听者之间的信道矩阵组成的矩阵，即Gm＝[Gm,1,...,Gm,l,...,Gm,L]，且Gm,l为第m个用户与第l个窃听者之间的信道；
Figure BDA0001791123710000031
为第k个用户与移动边缘服务器MEC之间的初始通信速率；为第k个用户与窃听者之间的初始通信速率；
进而得到第k个用户的初始通信与计算资源分配方案
根据公式
Figure BDA0001791123710000034
得到与所有初始通信与计算资源分配方案的集合x0对应的初始目标函数值y0，即
Figure BDA0001791123710000036
其中
Figure BDA0001791123710000037
为第k个用户的初始任务卸载比例；γ≤10；
Figure BDA0001791123710000038
Figure BDA0001791123710000039
为初始拉格朗日乘子，且Fk,max为移动边缘服务器MEC给第k个用户分配的最大计算资源；c0为初始惩罚因子；g(x0)为中间参数；e为常数；
Figure BDA00017911237100000311
为含有初始惩罚因子c0的增广拉格朗日函数。
进一步地，步骤S3的具体方法包括以下步骤：
S3-1、对
Figure BDA00017911237100000312
关于
Figure BDA00017911237100000313
求梯度，得到梯度
Figure BDA00017911237100000314
其中为所有初始通信与计算资源分配方案的集合x0经过0次内层迭代得到的通信与计算资源分配方案集合，即
Figure BDA00017911237100000317
Figure BDA00017911237100000318
为第k个用户的初始发送信号协方差矩阵
Figure BDA00017911237100000319
经过0次内层迭代得到的协方差矩阵，即
Figure BDA00017911237100000320
Figure BDA00017911237100000321
为第k个用户的安全通信速率的初始值
Figure BDA00017911237100000322
经过次内层迭代得到的安全通信速率，即
Figure BDA00017911237100000323
Figure BDA0001791123710000041
Figure BDA0001791123710000042
为移动边缘服务器MEC分配给第k个用户的初始计算资源
Figure BDA00017911237100000423
经过0次内层迭代得到的计算资源，即
Figure BDA0001791123710000043
Figure BDA0001791123710000044
Figure BDA0001791123710000045
为第k个用户的任务卸载比例经过0次内层迭代得到的任务卸载比例，即
Figure BDA0001791123710000047
S3-2、根据公式
Figure BDA0001791123710000048
得到迭代中间点
Figure BDA0001791123710000049
其中
Figure BDA00017911237100000410
为梯度下降步长；
S3-3、将迭代中间点
Figure BDA00017911237100000411
投影到可行集
Figure BDA00017911237100000412
得到所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure BDA00017911237100000413
其中Tr(·)为矩阵的迹；
S3-4、判断所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure BDA00017911237100000414
是否满足条件
Figure BDA00017911237100000415
若是则结束内层迭代并进入步骤S3-5；否则将
Figure BDA00017911237100000416
作为
Figure BDA00017911237100000417
并返回步骤S3-2；其中ε0为误差常数；
S3-5、分别根据公式
Figure BDA00017911237100000418
和c1＝ρc0
更新拉格朗日乘子和惩罚因子并分别得到更新后的拉格朗日乘子
Figure BDA00017911237100000419
和更新后的惩罚因子c1，并得到更新后拉格朗日乘子集合
Figure BDA00017911237100000420
其中ρ为常数，且ρ>1；
S3-6、将满足条件
Figure BDA00017911237100000421
的通信与计算资源分配方案的集合
Figure BDA00017911237100000422
记为x1，得到新的每个用户的通信与计算资源分配方案的集合x1；并根据更新后的通信与计算资源分配方案x1、更新后的惩罚因子c1、和更新后的拉格朗日乘子集合u1，采用与步骤S2相同的方法得到与新的每个用户的通信与计算资源分配方案的集合x1相对应的新目标函数值y1。
进一步地，步骤S4的具体方法为：
若新目标函数值与上次目标函数值的差值在范围[-err，err]内，则输出新目标函数值对应的通信与计算资源分配方案并结束优化，否则将新目标函数值对应的通信与计算资源分配方案的集合x1作为新的x0，将更新后的惩罚因子c1作为新的c0，将更新后的拉格朗日乘子集合u1作为新的u0，并返回步骤S3。
本发明的有益效果为：本发明考虑了系统中存在窃听者的场景，提高了系统的安全性，且更贴合实际应用，且在保证了安全传输的条件下，明确的为用户规划了计算任务分配策略以及发送信号协方差矩阵的设计，并在此基础上实现最小延时，提高了服务质量。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，该移动边缘计算网络中安全计算卸载的资源优化方法包括以下步骤：
S1、初始化用户和移动边缘服务器的参数和配置；
S2、根据用户和移动边缘服务器的参数和配置得到初始通信与计算资源分配方案和对应的初始目标函数值；
S3、根据初始通信与计算资源分配方案，采用投影梯度法获取新的通信与计算资源分配方案和对应的新目标函数值；
S4、判断新目标函数值与上次目标函数值的差值是否在阈值范围内，若是则输出当前的通信与计算资源分配方案并结束优化；否则进入步骤S5；
S5、将当前的通信与计算资源分配方案作为初始通信与计算资源分配方案，并返回步骤S3。
步骤S1中移动边缘服务器的参数和配置包括：
用户数量K、窃听者数量L、移动边缘服务器MEC的天线数目M、用户天线数N、窃听者天线数E、第k个用户与窃听者之间的信道
Figure BDA0001791123710000061
用户与移动边缘服务器MEC之间的信道
Figure BDA0001791123710000062
第k个用户的最大计算频率Fk,max、第k个用户的发射功率限制Pk、第k个用户的任务描述比特数Dk、处理每比特数据所需的CPU周期κ、第k个用户的初始发送信号协方差矩阵
Figure BDA0001791123710000063
移动边缘服务器MEC的最大计算频率FM,max、无线信道带宽B和误差阈值[-err，err]；其中k∈(1,2,…,K)；(·)H为共轭转置；为复数域。
步骤S2的具体方法为：
获取第k个用户的任务卸载比例
Figure BDA0001791123710000065
其中
Figure BDA0001791123710000066
获取移动边缘服务器MEC分配给第k个用户的初始计算资源
获取第k个用户的安全通信速率的初始值
Figure BDA0001791123710000067
其中
Figure BDA0001791123710000069
I为单位矩阵；Hm为第m个用户与移动边缘服务器MEC之间的信道，且
Figure BDA0001791123710000071
Figure BDA0001791123710000072
为第m个用户的初始发送信号协方差矩阵；Gm为第m个用户与L个窃听者之间的信道矩阵组成的矩阵，即Gm＝[Gm,1,...,Gm,l,...,Gm,L]，且Gm,l为第m个用户与第l个窃听者之间的信道；
Figure BDA0001791123710000073
为第k个用户与移动边缘服务器MEC之间的初始通信速率；
Figure BDA0001791123710000074
为第k个用户与窃听者之间的初始通信速率；
进而得到第k个用户的初始通信与计算资源分配方案
根据公式
Figure BDA0001791123710000076
Figure BDA0001791123710000077
得到与所有初始通信与计算资源分配方案的集合x0对应的初始目标函数值y0，即
Figure BDA0001791123710000078
其中
Figure BDA0001791123710000079
为第k个用户的初始任务卸载比例；γ≤10；
Figure BDA00017911237100000710
Figure BDA00017911237100000711
为初始拉格朗日乘子，且
Figure BDA00017911237100000712
Fk,max为移动边缘服务器MEC给第k个用户分配的最大计算资源；c0为初始惩罚因子；g(x0)为中间参数；e为常数；
Figure BDA00017911237100000713
为含有初始惩罚因子c0的增广拉格朗日函数。
步骤S3的具体方法包括以下步骤：
S3-1、对
Figure BDA00017911237100000714
关于
Figure BDA00017911237100000715
求梯度，得到梯度
Figure BDA00017911237100000716
其中
Figure BDA00017911237100000717
为所有初始通信与计算资源分配方案的集合x0经过0次内层迭代得到的通信与计算资源分配方案集合，即
Figure BDA00017911237100000718
Figure BDA0001791123710000081
Figure BDA0001791123710000082
为第k个用户的初始发送信号协方差矩阵
Figure BDA0001791123710000083
经过0次内层迭代得到的协方差矩阵，即
Figure BDA0001791123710000084
Figure BDA0001791123710000085
为第k个用户的安全通信速率的初始值
Figure BDA0001791123710000086
经过次内层迭代得到的安全通信速率，即
Figure BDA0001791123710000087
Figure BDA0001791123710000088
Figure BDA0001791123710000089
为移动边缘服务器MEC分配给第k个用户的初始计算资源
Figure BDA00017911237100000828
经过0次内层迭代得到的计算资源，即
Figure BDA00017911237100000810
Figure BDA00017911237100000812
为第k个用户的任务卸载比例
Figure BDA00017911237100000813
经过0次内层迭代得到的任务卸载比例，即
Figure BDA00017911237100000814
S3-2、根据公式
Figure BDA00017911237100000815
得到迭代中间点
Figure BDA00017911237100000816
其中
Figure BDA00017911237100000817
为梯度下降步长；
S3-3、将迭代中间点
Figure BDA00017911237100000818
投影到可行集
Figure BDA00017911237100000819
得到所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure BDA00017911237100000820
其中Tr(·)为矩阵的迹；
S3-4、判断所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure BDA00017911237100000821
是否满足条件
Figure BDA00017911237100000822
若是则结束内层迭代并进入步骤S3-5；否则将
Figure BDA00017911237100000823
作为
Figure BDA00017911237100000824
并返回步骤S3-2；其中ε0为误差常数；
S3-5、分别根据公式
Figure BDA00017911237100000825
和c1＝ρc0
更新拉格朗日乘子和惩罚因子并分别得到更新后的拉格朗日乘子
Figure BDA00017911237100000826
和更新后的惩罚因子c1，并得到更新后拉格朗日乘子集合
Figure BDA00017911237100000827
其中ρ为常数，且ρ>1；
S3-6、将满足条件
Figure BDA0001791123710000091
的通信与计算资源分配方案的集合记为x1，得到新的每个用户的通信与计算资源分配方案的集合x1；并根据更新后的通信与计算资源分配方案x1、更新后的惩罚因子c1、和更新后的拉格朗日乘子集合u1，采用与步骤S2相同的方法得到与新的每个用户的通信与计算资源分配方案的集合x1相对应的新目标函数值y1。
步骤S4的具体方法为：若新目标函数值与上次目标函数值的差值在范围[-err，err]内，则输出新目标函数值对应的通信与计算资源分配方案并结束优化，否则将新目标函数值对应的通信与计算资源分配方案的集合x1作为新的x0，将更新后的惩罚因子c1作为新的c0，将更新后的拉格朗日乘子集合u1作为新的u0，并返回步骤S3。
综上所述，本发明考虑了系统中存在窃听者的场景，提高了系统的安全性，且更贴合实际应用，且在保证了安全传输的条件下，明确的为用户规划了计算任务分配策略以及发送信号协方差矩阵的设计，并在此基础上实现最小延时，提高了服务质量。

Claims (4)

1.一种移动边缘计算网络中安全计算卸载的资源优化方法，其特征在于：包括以下步骤：
S1、初始化用户和移动边缘服务器的参数和配置；
S2、根据用户和移动边缘服务器的参数和配置得到初始通信与计算资源分配方案和对应的初始目标函数值；
S3、根据初始通信与计算资源分配方案，采用投影梯度法获取新的通信与计算资源分配方案和对应的新目标函数值；
S4、判断新目标函数值与上次目标函数值的差值是否在阈值范围内，若是则输出当前的通信与计算资源分配方案并结束优化；否则进入步骤S5；
S5、将当前的通信与计算资源分配方案作为初始通信与计算资源分配方案，并返回步骤S3；
所述步骤S1中移动边缘服务器的参数和配置包括：
用户数量K、窃听者数量L、移动边缘服务器MEC的天线数目M、用户天线数N、窃听者天线数E、第k个用户与窃听者之间的信道Gk＝{Gk,1,Gk,2,...,Gk,L},
Figure FDA0002297981270000011
l＝1,...,L、用户与移动边缘服务器MEC之间的信道H＝{H1,H2,...,HK},
Figure FDA0002297981270000012
第k个用户的最大计算频率Fk,max、第k个用户的发射功率限制Pk、第k个用户的任务描述比特数Dk、处理每比特数据所需的CPU周期κ、第k个用户的初始发送信号协方差矩阵
Figure FDA0002297981270000013
移动边缘服务器MEC的最大计算频率FM,max、无线信道带宽B和误差阈值[-err，err]；其中k∈(1,2,…,K)；(·)H为共轭转置；
Figure FDA0002297981270000014
为复数域。
2.根据权利要求1所述的一种移动边缘计算网络中安全计算卸载的资源优化方法，其特征在于，所述步骤S2的具体方法为：
获取第k个用户的任务卸载比例其中
Figure FDA0002297981270000022
获取移动边缘服务器MEC分配给第k个用户的初始计算资源fk 0；
获取第k个用户的安全通信速率的初始值
Figure FDA0002297981270000023
其中
Figure FDA0002297981270000024
Figure FDA0002297981270000025
I为单位矩阵；Hm为第m个用户与移动边缘服务器MEC之间的信道，且m∈(1,2,…,K)，
Figure FDA0002297981270000026
Figure FDA0002297981270000027
为第m个用户的初始发送信号协方差矩阵；Gm为第m个用户与L个窃听者之间的信道矩阵组成的矩阵，即Gm＝[Gm,1,...,Gm,l,...,Gm,L]，且Gm,l为第m个用户与第l个窃听者之间的信道；
Figure FDA0002297981270000028
为第k个用户与移动边缘服务器MEC之间的初始通信速率；
Figure FDA0002297981270000029
为第k个用户与窃听者之间的初始通信速率；
进而得到第k个用户的初始通信与计算资源分配方案
Figure FDA00022979812700000210
根据公式
Figure FDA00022979812700000211
Figure FDA00022979812700000212
得到与所有初始通信与计算资源分配方案的集合x0对应的初始目标函数值y0，即
Figure FDA00022979812700000213
其中
Figure FDA00022979812700000214
为第k个用户的初始任务卸载比例；γ≤10；
Figure FDA0002297981270000031
Figure FDA0002297981270000032
为初始拉格朗日乘子，且
Figure FDA0002297981270000033
Fk,max为移动边缘服务器MEC给第k个用户分配的最大计算资源；c0为初始惩罚因子；g(x0)为中间参数；e为常数；
Figure FDA0002297981270000034
为含有初始惩罚因子c0的增广拉格朗日函数。
3.根据权利要求2所述的一种移动边缘计算网络中安全计算卸载的资源优化方法，其特征在于，所述步骤S3的具体方法包括以下步骤：
S3-1、对
Figure FDA0002297981270000035
关于
Figure FDA0002297981270000036
求梯度，得到梯度
Figure FDA0002297981270000037
其中为所有初始通信与计算资源分配方案的集合x0经过0次内层迭代得到的通信与计算资源分配方案集合，即
Figure FDA0002297981270000039
Figure FDA00022979812700000310
Figure FDA00022979812700000311
为第k个用户的初始发送信号协方差矩阵
Figure FDA00022979812700000312
经过0次内层迭代得到的协方差矩阵，即
Figure FDA00022979812700000313
Figure FDA00022979812700000314
为第k个用户的安全通信速率的初始值经过次内层迭代得到的安全通信速率，即
Figure FDA00022979812700000316
Figure FDA00022979812700000317
Figure FDA00022979812700000318
为移动边缘服务器MEC分配给第k个用户的初始计算资源fk 0经过0次内层迭代得到的计算资源，即
Figure FDA00022979812700000319
Figure FDA00022979812700000320
为第k个用户的任务卸载比例
Figure FDA00022979812700000322
经过0次内层迭代得到的任务卸载比例，即
Figure FDA00022979812700000323
S3-2、根据公式
Figure FDA00022979812700000324
得到迭代中间点
Figure FDA00022979812700000325
其中
Figure FDA00022979812700000326
为梯度下降步长；
S3-3、将迭代中间点
Figure FDA00022979812700000327
投影到可行集
Figure FDA00022979812700000328
得到所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure FDA00022979812700000329
其中Tr(·)为矩阵的迹；
S3-4、判断所有用户内层迭代一次后的通信与计算资源分配方案集合
Figure FDA0002297981270000041
是否满足条件
Figure FDA0002297981270000042
若是则结束内层迭代并进入步骤S3-5；否则将
Figure FDA0002297981270000043
作为并返回步骤S3-2；其中ε0为误差常数；
S3-5、分别根据公式
和c1＝ρc0
更新拉格朗日乘子和惩罚因子并分别得到更新后的拉格朗日乘子
Figure FDA0002297981270000046
和更新后的惩罚因子c1，并得到更新后拉格朗日乘子集合其中ρ为常数，且ρ>1；
S3-6、将满足条件
Figure FDA0002297981270000048
的通信与计算资源分配方案的集合
Figure FDA0002297981270000049
记为x1，得到新的每个用户的通信与计算资源分配方案的集合x1；并根据更新后的通信与计算资源分配方案x1、更新后的惩罚因子c1、和更新后的拉格朗日乘子集合u1，采用与步骤S2相同的方法得到与新的每个用户的通信与计算资源分配方案的集合x1相对应的新目标函数值y1。
4.根据权利要求3所述的一种移动边缘计算网络中安全计算卸载的资源优化方法，其特征在于，所述步骤S4的具体方法为：
若新目标函数值与上次目标函数值的差值在范围[-err，err]内，则输出新目标函数值对应的通信与计算资源分配方案并结束优化，否则将新目标函数值对应的通信与计算资源分配方案的集合x1作为新的x0，将更新后的惩罚因子c1作为新的c0，将更新后的拉格朗日乘子集合u1作为新的u0，并返回步骤S3。
CN201811036972.0A 2018-09-06 2018-09-06 一种移动边缘计算网络中安全计算卸载的资源优化方法 Active CN109167787B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811036972.0A CN109167787B (zh) 2018-09-06 2018-09-06 一种移动边缘计算网络中安全计算卸载的资源优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811036972.0A CN109167787B (zh) 2018-09-06 2018-09-06 一种移动边缘计算网络中安全计算卸载的资源优化方法

Publications (2)

Publication Number Publication Date
CN109167787A CN109167787A (zh) 2019-01-08
CN109167787B true CN109167787B (zh) 2020-01-31

Family

ID=64894266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811036972.0A Active CN109167787B (zh) 2018-09-06 2018-09-06 一种移动边缘计算网络中安全计算卸载的资源优化方法

Country Status (1)

Country Link
CN (1) CN109167787B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918201B (zh) * 2019-03-05 2021-05-11 中国联合网络通信集团有限公司 任务卸载的控制方法和系统
CN109992423B (zh) * 2019-04-12 2021-08-24 南京航空航天大学 一种移动边缘计算中引入双子边缘的任务卸载框架方法
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
CN110266757B (zh) * 2019-05-14 2022-01-11 上海大学 一种面向任务协同场景的边缘计算资源优化方法
CN110167059B (zh) * 2019-05-22 2020-07-21 电子科技大学 一种边缘计算场景下基站业务量预测方法
CN110134507B (zh) * 2019-07-11 2019-10-22 电子科技大学 一种边缘计算系统下的合作计算方法
CN110602727B (zh) * 2019-08-28 2023-02-03 华北电力大学（保定） 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法
CN110545204B (zh) * 2019-08-30 2022-09-23 海南电网有限责任公司 一种基于外罚函数与果蝇优化的资源分配方法及服务器
CN111158707B (zh) * 2019-12-25 2021-05-25 北京邮电大学 一种边缘计算环境下的卸载方法和装置
CN112449016B (zh) * 2020-11-20 2022-03-15 北京邮电大学 一种任务卸载方法、装置、存储介质及电子设备
CN112737823A (zh) * 2020-12-22 2021-04-30 国网北京市电力公司 一种资源切片分配方法、装置及计算机设备
CN112995129A (zh) * 2021-01-28 2021-06-18 全球能源互联网研究院有限公司 基于边缘计算的电力业务安全传输方法及系统
CN113015217B (zh) * 2021-02-07 2022-05-20 重庆邮电大学 一种基于边云协同低成本的在线多功能业务的计算卸载方法
CN113784340B (zh) * 2021-09-15 2023-03-14 云南大学 一种保密卸载速率优化方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103687023A (zh) * 2013-10-28 2014-03-26 南京邮电大学 基于时延区分业务和比例性速率约束的优化无线资源方法
CN104158855A (zh) * 2014-07-24 2014-11-19 浙江大学 基于遗传算法的移动服务组合计算卸载方法
WO2017176329A1 (en) * 2016-04-05 2017-10-12 Intel IP Corporation Devices and methods for mec v2x
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106900011B (zh) * 2017-02-28 2020-04-07 重庆邮电大学 一种基于mec的蜂窝基站间任务卸载方法
CN107819840B (zh) * 2017-10-31 2020-05-26 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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103687023A (zh) * 2013-10-28 2014-03-26 南京邮电大学 基于时延区分业务和比例性速率约束的优化无线资源方法
CN104158855A (zh) * 2014-07-24 2014-11-19 浙江大学 基于遗传算法的移动服务组合计算卸载方法
WO2017176329A1 (en) * 2016-04-05 2017-10-12 Intel IP Corporation Devices and methods for mec v2x
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

Also Published As

Publication number Publication date
CN109167787A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
CN109167787B (zh) 一种移动边缘计算网络中安全计算卸载的资源优化方法
US20230019669A1 (en) Systems and methods for enhanced feedback for cascaded federated machine learning
Kamoun et al. Joint resource allocation and offloading strategies in cloud enabled cellular networks
CN109639377B (zh) 基于深度强化学习的频谱资源管理方法
US20220263716A1 (en) Automated closed-loop actions in a network using a distributed ledger
CN112737842B (zh) 空地一体化车联网中基于最小化时延的任务安全卸载方法
CN112839382B (zh) 一种车联网中视频语义驱动的通信和计算资源联合分配方法
CN112272198B (zh) 一种面向卫星网络的协同计算任务迁移方法及装置
Shi et al. Privacy-aware edge computing based on adaptive DNN partitioning
CN113709883B (zh) 一种多无人机辅助工业场景下的动态资源分配方法及装置
CN114138373A (zh) 一种基于强化学习的边缘计算任务卸载方法
CN115796271A (zh) 基于客户端选择和梯度压缩的联邦学习方法
US20230284194A1 (en) Carrier management method, resource allocation method and related devices
CN114219354A (zh) 一种基于联邦学习资源分配优化方法及系统
US20220172054A1 (en) Intermediate network node and method performed therein for handling data of communication networks
Naeem et al. Efficient scheduling of video camera sensor networks for IoT systems in smart cities
US11864158B2 (en) Distributed method for allocating transmission resources to D2D terminals in a cellular access network
Vankayala et al. A neural network for estimating CQI in 5G communication systems
Mahmoudi et al. FedCau: A proactive stop policy for communication and computation efficient Federated Learning
CN115623445A (zh) 一种车联网环境下基于联邦学习的高效通信方法
CN112449016B (zh) 一种任务卸载方法、装置、存储介质及电子设备
US20230188430A1 (en) First network node and method performed therein for handling data in a communication network
Mrad et al. Joint learning and optimization for Federated Learning in NOMA-based networks
CN116489683B (zh) 空天地网络中的计算任务卸载方法、装置和电子设备
CN113923605B (zh) 一种面向工业互联网的分布式边缘学习系统和方法

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