CN109756912B - 一种多用户多基站联合任务卸载及资源分配方法 - Google Patents
一种多用户多基站联合任务卸载及资源分配方法 Download PDFInfo
- Publication number
- CN109756912B CN109756912B CN201910228419.5A CN201910228419A CN109756912B CN 109756912 B CN109756912 B CN 109756912B CN 201910228419 A CN201910228419 A CN 201910228419A CN 109756912 B CN109756912 B CN 109756912B
- Authority
- CN
- China
- Prior art keywords
- task
- user
- base station
- energy consumption
- execution
- 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
Links
Images
Abstract
本发明涉及一种多用户多基站联合任务卸载及资源分配方法,属于无线通信技术领域。该方法包括:S1:建模系统任务执行最大能耗;S2:建模用户任务执行所需能耗;S3:建模用户任务本地执行所需时延;S4:建模用户任务卸载执行所需传输时延及执行时延;S5:建模用户任务卸载及资源分配限制条件;S6:基于系统任务执行最大能耗最小化确定用户联合任务卸载及资源分配策略。本发明可以通过优化确定用户联合任务卸载及资源分配策略,从而实现系统任务执行最大能耗最小化。
Description
技术领域
本发明属于无线通信技术领域,涉及一种多用户多基站联合任务调度及资源分配方法。
背景技术
近年来,随着移动互联网及智能设备的快速发展,各类新型高性能应用不断涌现,给移动设备计算能力提出巨大挑战。现有移动设备难以满足各类应用低时延、高复杂度、高能耗的需求,进而严重影响用户体验。移动边缘计算(Mobile Edge Computing,MEC)技术通过支持移动设备将本地计算任务卸载至MEC服务器执行,解决了移动设备自身资源受限问题,在实现移动设备能耗显著降低的同时,可提升任务执行性能。此外,物联网设备高性能任务计算需求与设备自身敏感的能耗特性的矛盾日益突出,将物联网设备产生的计算密集型任务卸载至MEC服务器中执行,有助于实现物联网设备简化及低能耗需求,达到延长电池使用寿命的目的。
目前已有研究中,有文献采用马尔科夫决策过程解决任务卸载问题。该方案依据当前任务缓存器队列状态、本地处理单元执行状态及无线信道传输状态确定是否执行任务卸载决策。通过分析任务平均执行时延及移动设备平均能耗,作者建模任务卸载问题为能耗受限的任务执行时延最小化问题,并提出一种高效的搜索算法以求解最优任务卸载策略。又例如,有文献借鉴软件定义网络(Software Defined Network,SDN)的思想,研究超密集网络中的任务卸载问题。作者在能耗限制的条件下,以任务执行时延最小化为目标建模任务卸载问题为混合整数非线性规划问题,进而通过对所建模优化问题进行求解得到最优任务卸载策略。
现有任务卸载及资源分配方案中,主要是针对单用户多基站或多用户单基站场景开展研究,较少考虑多用户多基站的网络场景,然而,基站处理能力差异性可能对资源分配方式提出困难及挑战。此外,现有任务卸载及资源分配研究较多针对系统中所有用户的和开销实现性能优化,未能充分考虑各用户任务执行性能差异,难以保障用户任务执行公平性,可能导致部分用户任务执行性能严重受限。
因此,亟需一种充分考虑多用户多基站的网络场景的任务卸载及资源分配策略。
发明内容
有鉴于此,本发明的目的在于提供一种多用户多基站联合任务卸载及资源分配方法,实现用户任务卸载、功率和计算资源的联合优化分配。
为达到上述目的,本发明提供如下技术方案:
一种多用户多基站联合任务卸载及资源分配方法,具体包括以下步骤:
S1:建模系统任务执行最大能耗;
S2:建模用户任务执行所需能耗;
S3:建模用户任务本地执行所需时延;
S4:建模用户任务卸载执行所需传输时延及执行时延;
S5:建模用户任务卸载及资源分配限制条件;
S6:基于系统任务执行最大能耗最小化确定用户联合任务卸载及资源分配策略。
进一步,所述步骤S2具体为:根据公式建模用户i执行任务所需能耗,其中,xi,j为任务卸载变量,xi,j=1表示用户i将任务卸载至基站j并在其MEC服务器上执行,否则,xi,j=0,j∈Ψ,Ψ为系统基站的集合;表示用户i任务本地执行所需能耗,Ei,j表示用户i任务卸载至基站j并在其MEC服务器上执行所需能耗。
进一步,步骤S4中,根据公式建模用户任务卸载执行所需传输时延,其中,Ci表示用户i任务输入数据量,Ri,j表示用户i将任务输入数据传输至基站j时链路数据速率,建模其中,Wj表示基站j的带宽,Bj表示基站j最大可接入的用户数,hi,j表示用户i与基站j间传输链路的信道增益,σ2为信道噪声功率;
进一步,所述步骤S5具体为:建模用户任务卸载及资源分配限制条件,其中,任务卸载限制条件建模为其中,Sj表示基站j的MEC服务器最大可服务用户数;功率分配限制条件建模为其中,表示用户i最大发送功率;任务卸载数据传输速率限制条件建模为Ri,j≥Ri min,其中,Ri min表示用户i任务卸载时的最低传输速率要求;计算资源分配限制条件建模为0≤Fi,j≤Fj及其中,Fj表示基站j的MEC服务器的计算能力。
进一步,所述步骤S6具体为:在满足任务卸载及资源分配限制条件下,以系统任务执行最大能耗最小化为目标,优化确定用户任务卸载及资源分配策略,即
本发明的有益效果在于:本发明可以保障在任务有效执行情况下用户联合任务卸载、功率及计算资源策略优化,实现系统任务执行最大能耗最小化。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为多用户多基站系统示意图;
图2为本发明所述方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本实施例采用一种多用户多基站联合任务卸载及资源分配方法,假设用户需执行一定计算密集型任务,MEC服务器具有一定的任务计算及处理能力,用户可采用本地执行,也可通过MEC服务器实现任务卸载,建模系统任务执行最大能耗为优化目标,实现用户任务卸载、功率及计算资源分配策略的联合优化。
本实施例所述的多用户多基站联合任务卸载及资源分配方法,假设系统存在多个部署MEC服务器的基站,基站间采用正交多址接入方式,因而任务传输无干扰;该网络中存在多个任务待执行用户,任务待执行用户可选择合适的方式实现任务卸载;建模系统任务执行最大能耗为系统中所有用户执行任务能耗的最大值,基于用户系统任务执行最大能耗最小化实现任务卸载及资源分配策略。
如图1所示,网络中存在多个任务待执行用户及多个部署MEC服务器的基站,用户选择合适的方式卸载任务,通过优化用户任务卸载策略和资源分配策略最小化系统任务执行最大能耗。如图2所示,本实施例所述的多用户多基站联合任务卸载及资源分配方法具体包括以下步骤:
1)建模系统任务执行最大能耗
2)建模用户任务执行所需能耗
建模用户任务执行所需能耗,具体为根据公式建模用户i执行任务所需能耗,其中,xi,j为任务卸载变量,xi,j=1表示用户i将任务卸载至基站j并在其MEC服务器上执行,否则,xi,j=0,j∈Ψ,Ψ为系统基站的集合;表示用户i任务本地执行能耗,Ei,j表示用户i任务卸载至基站j并在其MEC服务器上执行所需能耗;建模为其中,表示用户i本地执行功率,Ti 0表示用户i任务本地执行时延;建模Ei,j为其中,表示用户i将任务输入数据传输至基站j所需能耗,表示用户i任务在基站j的MEC服务器执行所需能耗;建模为其中,pi,j表示用户i将任务输入数据发送至基站j的功率,表示用户任务卸载执行所需传输时延;建模为其中,表示MEC服务器执行任务的功率,表示用户任务卸载执行所需执行时延。
3)建模用户任务本地执行所需时延
4)建模用户任务卸载执行所需传输时延及执行时延
建模用户任务卸载执行所需时延,具体为根据公式建模用户任务卸载执行所需传输时延,其中,Ci表示用户i任务输入数据量,Ri,j表示用户i将任务输入数据传输至基站j的数据速率,所述Ri,j建模为其中,Wj表示基站j的带宽,Bj表示基站j最大可接入的用户数,hi,j表示用户i与基站j间传输链路的信道增益,σ2为传输信道噪声功率;根据公式建模用户任务卸载执行所需执行时延,Fi,j表示MEC服务器j给用户i任务分配的计算能力。
5)建模用户任务卸载及资源分配限制条件
建模用户任务卸载及资源分配限制条件,具体为任务卸载限制条件建模为其中,Sj表示基站j的MEC服务器最大可服务用户数;功率分配限制条件建模为其中,表示用户i最大发送功率;任务卸载数据传输速率限制条件建模为Ri,j≥Ri min,其中,Ri min表示用户i任务卸载时的最低传输速率要求;计算资源分配限制条件建模为0≤Fi,j≤Fj及其中,Fj表示基站j的MEC服务器的计算能力。
6)基于系统任务执行最大能耗最小化确定用户联合任务卸载及资源分配策略
基于系统任务执行最大能耗最小化确定用户任务卸载及资源分配策略,具体为在满足任务卸载及资源分配限制条件下,以用户联合开销最小化为目标,优化确定用户任务调度及资源分配策略,即在满足任务卸载及资源分配限制条件下,以系统任务执行最大能耗最小化为目标,优化确定用户任务卸载及资源分配策略,即
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种多用户多基站联合任务卸载及资源分配方法,其特征在于,该方法具体包括以下步骤:
S1:建模系统任务执行最大能耗;
S2:建模用户任务执行所需能耗;
根据公式建模用户i执行任务所需能耗,其中,Ei为用户i执行任务所需能耗,i∈Φ,Φ为系统中待执行任务用户的集合;xi,j为任务卸载变量,xi,j=1表示用户i将任务卸载至基站j并在其移动边缘计算(Mobile Edge Computing,MEC)服务器上执行,否则,xi,j=0,j∈Ψ,Ψ为系统基站的集合;表示用户i任务本地执行所需能耗;Ei,j表示用户i任务卸载至基站j并在其MEC服务器上执行所需能耗,建模为其中,表示用户i将任务输入数据传输至基站j所需能耗,表示用户i任务在基站j的MEC服务器执行所需能耗;S3:建模用户任务本地执行所需时延;
S4:建模用户任务卸载执行所需传输时延及执行时延;
S5:建模用户任务卸载及资源分配限制条件,具体包括:
S6:基于系统任务执行最大能耗最小化确定用户联合任务卸载及资源分配策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910228419.5A CN109756912B (zh) | 2019-03-25 | 2019-03-25 | 一种多用户多基站联合任务卸载及资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910228419.5A CN109756912B (zh) | 2019-03-25 | 2019-03-25 | 一种多用户多基站联合任务卸载及资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756912A CN109756912A (zh) | 2019-05-14 |
CN109756912B true CN109756912B (zh) | 2022-03-08 |
Family
ID=66409317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910228419.5A Active CN109756912B (zh) | 2019-03-25 | 2019-03-25 | 一种多用户多基站联合任务卸载及资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756912B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110149401B (zh) * | 2019-05-22 | 2020-06-09 | 湖南大学 | 一种用于优化边缘计算任务的方法和系统 |
CN110287024B (zh) * | 2019-06-12 | 2021-09-28 | 浙江理工大学 | 一种工业智能边缘计算中面向多服务器多用户的调度方法 |
CN110650497B (zh) * | 2019-09-29 | 2020-12-18 | 北京邮电大学 | 任务卸载、状态更新方法、装置、系统及相关设备 |
CN111132191B (zh) * | 2019-12-12 | 2022-04-01 | 重庆邮电大学 | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 |
CN111372268B (zh) * | 2019-12-24 | 2022-07-08 | 中国石油大学(华东) | 一种超密集网络中联合无线资源管理与任务卸载优化方法 |
CN111130911B (zh) * | 2019-12-31 | 2022-05-31 | 杭州电子科技大学 | 一种基于移动边缘计算的计算卸载方法 |
CN112492626B (zh) * | 2020-12-07 | 2022-04-12 | 南京邮电大学 | 一种移动用户计算任务的卸载方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846704A (zh) * | 2017-10-26 | 2018-03-27 | 北京邮电大学 | 一种基于移动边缘计算的资源分配及基站服务部署方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN108880893A (zh) * | 2018-06-27 | 2018-11-23 | 重庆邮电大学 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN109151864A (zh) * | 2018-09-18 | 2019-01-04 | 贵州电网有限责任公司 | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10440096B2 (en) * | 2016-12-28 | 2019-10-08 | Intel IP Corporation | Application computation offloading for mobile edge computing |
-
2019
- 2019-03-25 CN CN201910228419.5A patent/CN109756912B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846704A (zh) * | 2017-10-26 | 2018-03-27 | 北京邮电大学 | 一种基于移动边缘计算的资源分配及基站服务部署方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN108880893A (zh) * | 2018-06-27 | 2018-11-23 | 重庆邮电大学 | 一种移动边缘计算服务器联合能量收集及任务卸载方法 |
CN108920279A (zh) * | 2018-07-13 | 2018-11-30 | 哈尔滨工业大学 | 一种多用户场景下的移动边缘计算任务卸载方法 |
CN109151864A (zh) * | 2018-09-18 | 2019-01-04 | 贵州电网有限责任公司 | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 |
Non-Patent Citations (1)
Title |
---|
"Joint Computation and Communication Cooperation for Energy-Efficient Mobile Edge Computing";Xiaowen Cao等;《IEEE》;20181010;第2-5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109756912A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109756912B (zh) | 一种多用户多基站联合任务卸载及资源分配方法 | |
CN107995660B (zh) | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 | |
CN111132191B (zh) | 移动边缘计算服务器联合任务卸载、缓存及资源分配方法 | |
CN110493360B (zh) | 多服务器下降低系统能耗的移动边缘计算卸载方法 | |
Zhao et al. | Edge caching and computation management for real-time internet of vehicles: An online and distributed approach | |
You et al. | Multiuser resource allocation for mobile-edge computation offloading | |
WO2022121097A1 (zh) | 一种移动用户计算任务的卸载方法 | |
CN110096362B (zh) | 一种基于边缘服务器协作的多任务卸载方法 | |
Ti et al. | Computation offloading leveraging computing resources from edge cloud and mobile peers | |
CN109951869B (zh) | 一种基于云雾混合计算的车联网资源分配方法 | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN108964817B (zh) | 一种异构网络联合计算卸载及资源分配方法 | |
CN109246761B (zh) | 考虑延迟及能耗的基于交替方向乘子法的卸载方法 | |
CN112105062A (zh) | 时敏条件下移动边缘计算网络能耗最小化策略方法 | |
CN112738185B (zh) | 基于非正交多址的边缘计算系统控制联合优化方法及应用 | |
Saleem et al. | Performance guaranteed partial offloading for mobile edge computing | |
Hazra et al. | Intelligent service deployment policy for next-generation industrial edge networks | |
CN111200831A (zh) | 一种融合移动边缘计算的蜂窝网络计算卸载方法 | |
CN111049917A (zh) | 一种基于移动边缘计算的移动感知多用户卸载优化方法 | |
Kim et al. | Task popularity-based energy minimized computation offloading for fog computing wireless networks | |
CN112512065A (zh) | 支持mec的小小区网络中在移动感知下的卸载和迁移算法 | |
Lan et al. | Execution latency and energy consumption tradeoff in mobile-edge computing systems | |
El Haber et al. | Computational cost and energy efficient task offloading in hierarchical edge-clouds | |
CN114189521A (zh) | 在f-ran架构中协作计算卸载的方法 | |
Paymard et al. | Task scheduling based on priority and resource allocation in multi-user multi-task mobile edge computing system |
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 |