CN110096318B - 一种基于移动边缘计算的任务卸载方法及装置 - Google Patents

Abstract

本发明实施例提供了一种基于移动边缘计算的任务卸载方法及装置，应用于边缘服务器，方法包括：确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。考虑了服务部署以及任务卸载的相互依赖性，能够在服务器资源受限的情况下，联合制定服务部署以及任务卸载，以提高通信资源的利用率，也提高了运营商的期望收益。

Description

一种基于移动边缘计算的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，特别是涉及一种基于移动边缘计算的任务卸载方法及装置。

背景技术

随着通信行业的不断发展，运营商能够为用户提供多种类型的服务。为了保证服务质量，运营商通常采用移动边缘计算技术。即在用户周边设置边缘服务器，边缘服务器接收用户终端发送的服务请求，进行计算，并将计算结果反馈给用户终端。

随着服务规模的日益扩大，移动边缘计算对边缘服务器的依赖性也日益增强。一方面，由于边缘服务器的存储和计算能力有限，不可能部署所有类型的服务，因此，在边缘服务器上部署何种类型的服务是运营商应该考虑的。另一方面，由于通信资源有限，可能无法满足所有用户针对待处理任务的卸载需求，因此，针对各个服务的任务卸载量也是需要考虑的。

现有的方案中，运营商没有综合考虑服务部署以及任务卸载，导致通信资源的利用率较低，相应的，运营商的营收也较低。

发明内容

本发明实施例的目的在于提供一种基于移动边缘计算的任务卸载方法及装置，以提高通信资源的利用率，增加运营商的营收。具体技术方案如下：

为了实现上述目的，本发明实施例提供了一种基于移动边缘计算的任务卸载方法，方法包括：

确定用户终端发送的服务请求，所述服务请求中包含每个服务的待处理任务；

基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对所述服务请求的最大期望收益的优化方程；

基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。

可选的，所述服务器资源包括存储资源、虚拟机资源和计算资源；

所述第一约束方程为：

所述第二约束方程为：

其中，k表示服务的标号，K表示服务的总数，a_k表示是否在边缘服务器中部署服务k，是则a_k＝1，否则a_k＝0；S_k表示部署服务k所需的存储资源，S_max表示边缘服务器可提供的存储资源；V_k表示部署服务k所需的虚拟机个数，V_max表示边缘服务器可提供的虚拟机个数；i表示信道的标号，I表示信道的总数；j 表示用户终端的标号，J表示用户终端的总数；b_i,j,k表示针对服务k，将信道i分配给用户j的信道容量比例，R_i,j表示信道i分配给用户终端j的平均信道容量，e_k表示边缘服务器计算服务k的单位任务量所需的CPU周期数，C_max表示边缘服务器可提供的最大CPU周期数。

可选的，所述最大期望收益的优化方程为：

s.t.

其中，A表示服务部署集合，B表示任务卸载集合，且

p_k表示预设的边缘服务器计算服务k的单位任务量的收益。

可选的，所述基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策的步骤，包括：

确定第一服务部署集合，基于所述优化方程，求解第一任务卸载集合；

基于所述第一任务卸载集合，以及所述优化方程，求解第二服务部署集合；

将所述第二服务部署集合作为新的第一服务部署集合，并返回基于所述优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值；

基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

为了实现上述目的，本发明实施例提供了一种基于移动边缘计算的任务卸载装置，应用于边缘服务器，所述装置包括：

第一确定模块，用于确定用户终端发送的服务请求，所述服务请求中包含每个服务的待处理任务；

第二确定模块，用于基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对所述服务请求的最大期望收益的优化方程；

第三确定模块，用于基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。

可选的，所述服务器资源包括存储资源、虚拟机资源和计算资源；

所述第一约束方程为：

所述第二约束方程为：

其中，k表示服务的标号，K表示服务的总数，a_k表示是否在边缘服务器中部署服务k，是则a_k＝1，否则a_k＝0；S_k表示部署服务k所需的存储资源，S_max表示边缘服务器可提供的存储资源；V_k表示部署服务k所需的虚拟机个数，V_max表示边缘服务器可提供的虚拟机个数；i表示信道的标号，I表示信道的总数；j 表示用户终端的标号，J表示用户终端的总数；b_i,j,k表示针对服务k，将信道i分配给用户j的信道容量比例，R_i,j表示信道i分配给用户终端j的平均信道容量，e_k表示边缘服务器计算服务k的单位任务量所需的CPU周期数，C_max表示边缘服务器可提供的最大CPU周期数。

可选的，所述最大期望收益的优化方程为：

s.t.

其中，A表示服务部署集合，B表示任务卸载集合，且

p_k表示预设的边缘服务器计算服务k的单位任务量的收益。

可选的，所述第三确定模块，具体用于：

确定第一服务部署集合，基于所述优化方程，求解第一任务卸载集合；

基于所述第一任务卸载集合，以及所述优化方程，求解第二服务部署集合；

将所述第二服务部署集合作为新的第一服务部署集合，并返回基于所述优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值；

基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

为了实现上述目的，本发明实施例提供了一种电子设备，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，实现上述任一方法步骤。

为了实现上述目的，本发明实施例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方法步骤。

可见，应用本发明实施例提供的基于移动边缘计算的任务卸载方法及装置，能够确定用户终端发送的服务请求，所述服务请求中包含每个服务的待处理任务；基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对所述服务请求的最大期望收益的优化方程；基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。考虑了服务部署以及任务卸载的相互依赖性，能够在服务器资源受限的情况下，联合制定服务部署以及任务卸载，以提高通信资源的利用率，也提高了运营商的期望收益。

当然，实施本发明的任一产品或方法必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基于移动边缘计算的任务卸载方法的一种流程图；

图2为本发明实施例提供的基于移动边缘计算的任务卸载方法的应用场景示意图；

图3为本发明实施例提供的基于移动边缘计算的任务卸载装置的一种结构示意图；

图4为本发明实施例提供的电子设备的一种结构示意图。

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。

为了解决现有的移动边缘计算技术中，通信资源的利用率不高，导致运营商的营收也较低的问题，本发明实施例提供了一种基于基于移动边缘计算的任务卸载方法，参见图1，图1为本发明实施例提供的基于移动边缘计算的任务卸载方法的一种流程图，该方法可以应用于边缘服务器，其中，边缘服务器可以与基站共站址部署，即边缘服务器可以位于基站中。具体可以参见图2，图2为本发明实施例提供的基于移动边缘计算的任务卸载方法的应用场景示意图。

该任务卸载方法包括以下步骤：

S101：确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务。

为了便于理解，下面先对本发明的应用场景进行说明。

本发明实施例中，用户在使用用户终端时，可能会生成多种服务类型的待处理任务，例如人脸识别等，由于用户终端的计算资源有限，用户终端需要边缘服务器进行协助处理。用户终端可以向边缘服务器发送服务请求，服务请求中包含每个服务的待处理任务。

由于边缘服务器的资源也是有限的，因此边缘服务器需要进行服务部署决策以及任务卸载决策。其中，服务部署决策表示边缘服务器应该部署哪些服务，即处理哪些服务对应的任务；任务卸载决策表示针对部署服务的任务卸载量，也可以表示边缘服务器为所部署的服务分配的信道资源。

边缘服务器进行服务部署决策以及任务卸载决策的具体过程可以参见 S102-S103。

在本步骤中，边缘服务器可以确定多个用户终端发送的服务请求。

S102：基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程。

本发明实施例中，边缘服务器在进行服务部署决策以及任务卸载决策过程中，需要考虑针对服务器资源的约束条件以及针对任务卸载的约束条件。

边缘服务器可以基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程。

在本发明的一种实施例中，服务器资源可以包括存储资源、虚拟机资源和计算资源，相应的，针对服务器资源的第一约束方程也分别考虑存储资源、虚拟机资源和计算资源。下面分别进行介绍。

一、针对存储资源的约束条件。

为了便于说明，用j表示用户终端的标号，k表示服务的标号，i表示信道的标号。

本发明的一种实施例中，可以用a_k表示是否在边缘服务器中部署服务k，若服务k部署在边缘服务器，则a_k＝1，否则a_k＝0。在边缘服务器中部署服务需要占用一定的存储空间来安装软件，令S_k表示部署服务k所需的存储资源，令S_max表示边缘服务器可提供的存储资源，则针对存储资源的约束条件可以表示为：

二、针对虚拟机资源的约束条件。

本发明的一种实施例中，令服务k部署在边缘服务器上需要V_k个虚拟机，令V_max表示边缘服务器所能生成的最大虚拟机个数，则针对虚拟机资源的约束条件可以表示为：

三、针对计算资源的约束条件。

在本发明的一种实施例中，由于信道资源有限，边缘服务器需要确定为各个服务分配的信道容量。令b_i,j,k表示针对服务k，边缘服务器将信道i分配给用户j的信道容量比例，容易理解的，b_i,j,k也表示针对用户终端j以及服务k的任务卸载决策。由于只有服务k被部署在边缘服务器时，才会进一步确定服务k的任务卸载量，因此，当a_k＝1时，b_i,j,k≥0。当a_k＝0时，b_i,j,k＝0。

在本发明的一种实施例中，令R_i,j表示信道i分配给用户终端j的平均信道容量，其单位可以为比特。令e_k表示边缘服务器计算服务k的每比特任务量所需的CPU周期数。由于边缘服务器的CPU周期数是有限的，设可提供的最大CPU 周期数为C_max，则针对计算资源的约束条件可以表示为：

综上，针对服务器资源的第一约束方程可以表示为：

此外，针对任务卸载，对于每个信道i，分配给各个用户终端j，以及对应的服务k的总信道容量比例总和不超过1，因此，针对任务卸载的第二约束方程可以表示为：

本发明实施例中，由于边缘服务器属于网络运营商，网络运营商将向用户收取服务费用。一种实施例中，边缘服务器可以以网络运营商的收益最大化为目标进行服务部署决策以及任务卸载决策，令网络运营商通过边缘服务器计算服务k的单位任务量的收益为p_k，则最大期望收益的优化方程可以表示为：

其中，

即A表示服务部署集合，B表示任务卸载集合，边缘服务器进行服务部署决策以及任务卸载决策的过程即为确定服务部署集合A和任务卸载集合B，以使得期望收益取最大值的过程。

S103：基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。

在本发明的一种实施例中，最大期望收益的优化方程可以参见上述公式 (5)，其中，由于a_k为二进制变量，b_i,j,k为连续变量，因此该优化问题是一个混合整数规划问题。

在本发明的一种实施例中，为了求解出服务部署集合A，以及任务卸载集合B，以使得期望收益值最大化，可以采用迭代优化算法。

具体的，上述步骤S103可以包括以下细化步骤：

步骤11：确定第一服务部署集合，基于优化方程，求解第一任务卸载集合。

在本发明的一种实施例中，第一服务部署集合可以是预先设置的，第一服务部署集合表示边缘服务器部署中部署了哪些服务，即a_k的值均为确定的，上述优化问题退化为一个只与任务卸载集合B相关的凸优化问题。

针对该凸优化问题，可以采用内点法求解出最优的第一任务卸载集合B，以使得当前的期望收益取最大。

其中，采用内点法求解凸优化问题的具体步骤可以参见相关技术，此处不做赘述。

步骤12：基于第一任务卸载集合，以及优化方程，求解第二服务部署集合。

在确定第一任务卸载集合B后，即优化方程中b_i,j,k的值是确定的，上述优化问题退化为一个只与服务部署集合A相关的0-1整数规划问题。

针对该0-1整数规划问题，可以采用分支定界法求解出最优的第二服务部署集合，以使得当前的期望收益值最大。

其中，采用分支定界法求解0-1整数规划问题的具体步骤可以参见相关技术，此处不做赘述。

步骤13：将第二服务部署集合作为新的第一服务部署集合，并返回基于优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值。

在确定第二服务部署集合后，可以将第二服务部署集合作为新的第一服务部署集合，并重复步骤11-步骤12，并记录每次确定的服务部署集合A，任务卸载集合B，以及当前的期望收益值。

在本发明的一种实施例中，可以预设迭代次数，当迭代次数达到预设值后，可以认为当前期望收益达到预设期望收益阈值。

在本发明的另一种实施例中，可以计算相邻两次期望收益值的比值，若该比值在预设范围内，可以认为当前期望收益达到预设期望收益阈值。

步骤14：基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

当前期望收益达到预设期望收益阈值后，可以认为第一服务部署集合A以及第一任务卸载集合B均符合要求，则可以基于当前第一服务部署集合A确定服务部署决策，基于当前第一任务卸载集合B确定任务卸载决策。

举例来讲，以服务总数K＝3，用户终端总数J＝2，信道总数I＝1为例，当确定的第一服务部署集合A＝{a₁,a₂,a₃}＝{1,0,1}时，则在边缘服务器中部署第1个服务，和第3个服务；当确定的第一任务卸载集合B＝{b_1,1,1,b_1,1,2,b_1,1,3,b_1,2,1,b_1,2,2, b_1,2,3}＝{0.1,0,0.3,0.2,0,0.4}，则为用户终端1请求的服务1分配0.1比例的信道1的资源，为用户终端1请求的服务2分配0比例的信道1的资源，为用户终端1请求的服务3分配0.3比例的信道1的资源，为用户终端2请求的服务1分配0.2比例的信道1的资源，为用户终端2请求的服务2分配0比例的信道1的资源，为用户终端2请求的服务3分配0.4比例的信道1的资源。

可见，应用本发明实施例提供的基于移动边缘计算的任务卸载方法，能够确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。考虑了服务部署以及任务卸载的相互依赖性，能够在服务器资源受限的情况下，联合制定服务部署以及任务卸载，以提高通信资源的利用率，也提高了运营商的期望收益。

相应于基于移动边缘计算的任务卸载方法实施例，本发明实施例还提供了一种基于移动边缘计算的任务卸载装置，参见图3，包括以下模块：

第一确定模块301，用于确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；

第二确定模块302，用于基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；

第三确定模块303 ，用于基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。

在本发明实施例中，服务器资源可以包括存储资源、虚拟机资源和计算资源；

第一约束方程为：

第二约束方程为：

其中，k表示服务的标号，K表示服务的总数，a_k表示是否在边缘服务器中部署服务k，是则a_k＝1，否则a_k＝0；S_k表示部署服务k所需的存储资源，S_max表示边缘服务器可提供的存储资源；V_k表示部署服务k所需的虚拟机个数，V_max表示边缘服务器可提供的虚拟机个数；i表示信道的标号，I表示信道的总数；j 表示用户终端的标号，J表示用户终端的总数；b_i,j,k表示针对服务k，将信道i分配给用户j的信道容量比例，R_i,j表示信道i分配给用户终端j的平均信道容量，e_k表示边缘服务器计算服务k的单位任务量所需的CPU周期数，C_max表示边缘服务器可提供的最大CPU周期数。

在本发明实施例中，最大期望收益的优化方程为：

s.t.

其中，A表示服务部署集合，B表示任务卸载集合，且

p_k表示预设的边缘服务器计算服务k的单位任务量的收益。

在本发明实施例中，第三确定模块303，具体用于：

确定第一服务部署集合，基于优化方程，求解第一任务卸载集合；

基于第一任务卸载集合，以及优化方程，求解第二服务部署集合；

将第二服务部署集合作为新的第一服务部署集合，并返回基于优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值；

基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

应用本发明实施例提供的基于移动边缘计算的任务卸载装置，能够确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。考虑了服务部署以及任务卸载的相互依赖性，能够在服务器资源受限的情况下，联合制定服务部署以及任务卸载，以提高通信资源的利用率，也提高了运营商的期望收益。

本发明实施例还提供了一种电子设备，如图4所示，包括处理器401、通信接口402、存储器403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信，

存储器403，用于存放计算机程序；

处理器401，用于执行存储器403上所存放的程序时，实现如下步骤：

确定用户终端发送的服务请求，服务请求中包含每个服务的待处理任务；

基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对服务请求的最大期望收益的优化方程；

基于最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策。

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4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 (DigitalSignal Processing，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。

基于相同的发明构思，根据上述基于移动边缘计算的任务卸载方法实施例，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，计算机程序被处理器执行时实现上述任一基于移动边缘计算的任务卸载方法步骤。

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、电子设备以及存储介质实施例而言，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 (6)

1.一种基于移动边缘计算的任务卸载方法，其特征在于，应用于边缘服务器，所述方法包括：

确定用户终端发送的服务请求，所述服务请求中包含每个服务的待处理任务；

基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对所述服务请求的最大期望收益的优化方程；

基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策；其中，服务部署决策表示所述边缘服务器部署的服务类型；任务卸载决策表示针对所部署服务的任务卸载量；

所述服务器资源包括存储资源、虚拟机资源和计算资源；

所述第一约束方程为：

所述第二约束方程为：

其中，k表示服务的标号，K表示服务的总数，a_k表示是否在边缘服务器中部署服务k，是则a_k＝1，否则a_k＝0；S_k表示部署服务k所需的存储资源，S_max表示边缘服务器可提供的存储资源；V_k表示部署服务k所需的虚拟机个数，V_max表示边缘服务器可提供的虚拟机个数；i表示信道的标号，I表示信道的总数；j表示用户终端的标号，J表示用户终端的总数；b_i,j,k表示针对服务k，将信道i分配给用户j的信道容量比例，R_i,j表示信道i分配给用户终端j的平均信道容量，e_k表示边缘服务器计算服务k的单位任务量所需的CPU周期数，C_max表示边缘服务器可提供的最大CPU周期数；

所述最大期望收益的优化方程为：

s.t.

其中，A表示服务部署集合，B 表示任务卸载集合，且

p_k表示预设的边缘服务器计算服务k的单位任务量的收益。

2.根据权利要求1所述的方法，其特征在于，所述基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策的步骤，包括：

确定第一服务部署集合，基于所述优化方程，求解第一任务卸载集合；

基于所述第一任务卸载集合，以及所述优化方程，求解第二服务部署集合；

将所述第二服务部署集合作为新的第一服务部署集合，并返回基于所述优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值；

基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

3.一种基于移动边缘计算的任务卸载装置，其特征在于，应用于边缘服务器，所述装置包括：

第一确定模块，用于确定用户终端发送的服务请求，所述服务请求中包含每个服务的待处理任务；

第二确定模块，用于基于预设的针对服务器资源的第一约束方程，针对任务卸载的第二约束方程，确定针对所述服务请求的最大期望收益的优化方程；

第三确定模块，用于基于所述最大期望收益的优化方程，确定服务部署决策，以及任务卸载决策；

所述服务器资源包括存储资源、虚拟机资源和计算资源；

所述第一约束方程为：

所述第二约束方程为：

其中，k表示服务的标号，K表示服务的总数，a_k表示是否在边缘服务器中部署服务k，是则a_k＝1，否则a_k＝0；S_k表示部署服务k所需的存储资源，S_max表示边缘服务器可提供的存储资源；V_k表示部署服务k所需的虚拟机个数，V_max表示边缘服务器可提供的虚拟机个数；i表示信道的标号，I表示信道的总数；j表示用户终端的标号，J表示用户终端的总数；b_i,j,k表示针对服务k，将信道i分配给用户j的信道容量比例，R_i,j表示信道i分配给用户终端j的平均信道容量，e_k表示边缘服务器计算服务k的单位任务量所需的CPU周期数，C_max表示边缘服务器可提供的最大CPU周期数；

所述最大期望收益的优化方程为：

s.t.

其中，A表示服务部署集合，B表示任务卸载集合，且

p_k表示预设的边缘服务器计算服务k的单位任务量的收益。

4.根据权利要求3所述的装置，其特征在于，所述第三确定模块，具体用于：

确定第一服务部署集合，基于所述优化方程，求解第一任务卸载集合；

基于所述第一任务卸载集合，以及所述优化方程，求解第二服务部署集合；

将所述第二服务部署集合作为新的第一服务部署集合，并返回基于所述优化方程，求解第一任务卸载集合的步骤，直至当前期望收益达到预设期望收益阈值；

基于当前第一服务部署集合确定服务部署决策，基于当前第一任务卸载集合确定任务卸载决策。

5.一种电子设备，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1-2任一所述的方法步骤。

6.一种计算机可读存储介质，其特征在于，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权利要求1-2任一所述的方法步骤。

Images