CN110167042B - 基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法 - Google Patents

Abstract

一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法，包括以下步骤：(1)在集成边缘计算服务器的蜂窝网络基站的覆盖范围下有1个智能终端，优化问题描述为SCM问题；(2)将SCM问题进行两次转化，转化为问题SCM‑E2，将问题SCM‑E2分解为两个子问题(3)分别提出SubBiSec算法和TopLS算法来解决；(4)SubBiSec算法通过在给定t的情况下通过对分搜索θ来解决问题；(5)TopLS算法通过对满足约束条件的t进行枚举，对于每一次枚举t都调用SubBiSec算法算出

取

中的最小值。本发明提高了系统传输效率，节省了带宽资源和边缘服务器计算资源总成本，获得更优质的无线网络体验质量。

Description

基于非正交多址的计算任务分流联合执行时间与计算资源消 耗优化方法

技术领域

本发明属于通信领域，基于非正交多址的多接入边缘计算来优化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价。

背景技术

物联网服务迅猛发展，需要大量的计算资源。然而，传统的物联网设备通常配备有限的计算资源，这导致在执行计算量需求很大的任务时会产生很大的延迟。多接入边缘计算(Mobile edge Computing,MEC) 能够将部分计算任务迁移到位于蜂窝网络基站的边缘计算服务器上执行，从而减小执行任务的计算时间。但是使用边缘计算服务器会产生相应的计算资源使用成本问题。

发明内容

为了克服现有智能终端完成所有计算工作量所需要的总延迟和计算资源代价过大的难点，本发明提供一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法，研究了基于非正交多址的多接入边缘计算来优化智能终端完成所有计算工作量所需要的总延迟问题和边缘计算服务器产生相应的计算资源使用成本问题。

本发明解决其技术问题所采用的技术方案是：

一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法，所述方法包括以下步骤：

(1)在一组集成边缘计算服务器的基站的覆盖范围下有一个智能终端，基站用集合

表示，智能终端使用非正交多址的多接入技术同时向基站发送数据，其中智能终端需要处理的数据量用 S^tot表示；

在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM：

约束条件：0≤t≤d^ove≤T^max

待优化变量：

下面将问题中的各个参数做一个说明，如下：

g_i:从智能终端到边缘服务器i的信道功率增益；

W：智能终端的信道带宽，单位是赫兹；

n₀：背景噪声的光谱功率密度；

g₀：g₀表示一个很大的数，因此

S^tot：智能终端需要处理的计算工作量，单位是兆比特；

β_i：边缘服务器i计算资源的边际成本；

给定迁移到边缘服务器i上的计算量，单位是兆比特；

μ_L：智能终端的本地计算速率，单位是兆比特/秒；

ρ_L：智能终端的本地计算的能量消耗，单位是焦耳/秒。

ω：智能终端完成总的计算工作量S^tot所耗费的总延迟的权重；

E^max：智能终端的能耗预算，单位是焦耳；

T^max：智能终端处理总的工作计算量所耗费的总延迟的上限，单位是秒；

P^max：智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限，单位是瓦特；

下面将问题中的各个待优化变量做一个说明，如下：

t：非正交传输时间，单位是秒；

d^ove：智能终端完成所有计算工作量S^tot所需要的总延迟，单位是秒；

μ_i：边缘服务器i所提供的计算速度，单位是兆比特/秒；

(2)SCM问题表示如下：

约束条件：0≤t≤d^ove≤T^max

待优化变量：

分析公式

得到如下等价形式：

将上述两个公式带入到SCM问题，SCM问题等价为SCM-E问题，“E”表示的是等价地，如下：

约束条件：0≤t≤d^ove≤T^max

待优化变量：d^ove，t

为求解SCM-E问题，引入一个辅助待优化变量θ，如下：

基于这个公式，将SCM-E问题转化为SCM-E2问题，如下：

(SCM-E2)minθ

约束条件：0≤t≤d^ove≤T^max (1)

待优化变量：d^ove，t，θ

为了有效解决SCM-E2问题，提出线性枚举0≤t≤T^max的同时t的取值要满足公式(2),(3)的方法，SCM-E2问题分解为SCM-E2-Sub 问题和SCM-E2-Top问题，如下：

在智能终端的传输时间t给定的情况下，

约束条件：

待优化变量：d^ove，θ

约束条件：0≤t≤T^max

待优化变量：t

(3)求解SCM问题的思路是：将SCM问题转化为SCM-E2问题, 此时问题有三个待优化变量d^ove，t和θ，将SCM-E2问题分解为 SCM-E2-Sub问题和SCM-E2-Top问题进行求解，在SCM-E2-Top问题上采用线性枚举0≤t≤T^max，如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题，求出

返回到SCM-E2-Top问题，进而求出θ^*，即(SCM)问题的目标函数值；

(4)给定t求解SCM-E2-Sub问题的SubBiSec算法，步骤如下：

步骤4.1：输入NOMA的传输时间t，可容忍的计算误差∈＝10^-8，对分上限θ^upp是一个足够大的数和对分下限θ^low＝ωt；

步骤4.2：开始循环|θ^upp-θ^low|＞∈；

步骤4.3：设定

步骤4.4：如果

设定θ^low＝θ^cur；

步骤4.5：否则如果

定义Z＝(θ^cur-ωt)²

分别计算

和

步骤4.6：如果

且

的话，设定θ^low＝θ^cur；

步骤4.7：否则如果

且

的话，设定θ^upp＝θ^cur；

步骤4.8：当|θ^upp-θ^low|＜∈时，执行步骤4.9，否则执行步骤4.3；

步骤4.9：输出

(5)对于求解SCM-E2-Top问题，采用线性搜索的方法以一个很小的步长去枚举，t的取值范围是[0，T^max]，求解SCM-E2-Top问题的TopLS算法，步骤如下：

步骤5.1：输入计算步长Δ＝10^-4，设定参数t^upp＝T^max，t＝0和CBV 是一个足够大的数；

步骤5.2：如果t不满足公式(2)和(3)的话，设定t＝t+Δ，转至步骤 5.6；

步骤5.3：否则如果t满足公式(2)和(3)的话，将t带入步骤(4)中调用 SubBiSec算法去计算

步骤5.4：如果t满足公式(2)和(3)且

的话，设定

且t^*＝t；

步骤5.5：设定t＝t+Δ；

步骤5.6：如果t≤t^upp时，转至步骤5.2；否则，转至执行步骤5.7；

步骤5.7：输出θ^*＝CBV，t^*；

TopLS算法输出的θ^*代表：SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值，输出的t^*代表：对应的最优非正交传输时间。

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多址接入技术进行数据传输实现最小化系统总延迟和计算资源代价，从而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上传的能量消耗，功率损耗和上行传输时间的限制。通过对问题特性的分析，将问题进行二次转化，再将问题分解为两个子问题。结合对子问题的分析，分别提出SubBiSec算法和TopLS算法来解决，从而保证智能终端完成所有计算工作量的情况下，实现最小化系统总时延和边缘计算服务器所消耗的计算资源代价。

本发明的有益效果表现在：提高了系统传输效率，节省了带宽资源和边缘服务器计算资源总成本，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。

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1，一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法，所述方法包括以下步骤：

(1)在一组集成边缘计算服务器的基站的覆盖范围下有一个智能终端，基站用集合

表示，智能终端使用非正交多址的多接入技术同时向基站发送数据，其中智能终端需要处理的数据量用 S^tot表示；

在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM：

约束条件：0≤t≤d^ove≤T^max

待优化变量：

下面将问题中的各个参数做一个说明，如下：

g_i:从智能终端到边缘服务器i的信道功率增益；

W：智能终端的信道带宽，单位是赫兹；

n₀：背景噪声的光谱功率密度；

g₀：g₀表示一个很大的数，因此

S^tot：智能终端需要处理的计算工作量，单位是兆比特；

β_i：边缘服务器i计算资源的边际成本；

给定迁移到边缘服务器i上的计算量，单位是兆比特；

μ_L：智能终端的本地计算速率，单位是兆比特/秒；

ρ_L：智能终端的本地计算的能量消耗，单位是焦耳/秒。

ω：智能终端完成总的计算工作量S^tot所耗费的总延迟的权重；

E^max：智能终端的能耗预算，单位是焦耳；

T^max：智能终端处理总的工作计算量所耗费的总延迟的上限，单位是秒；

P^max：智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限，单位是瓦特；

下面将问题中的各个待优化变量做一个说明，如下：

t：非正交传输时间，单位是秒；

d^ove：智能终端完成所有计算工作量S^tot所需要的总延迟，单位是秒；

μ_i：边缘服务器i所提供的计算速度，单位是兆比特/秒；

(2)SCM问题表示如下：

约束条件：0≤t≤d^ove≤T^max

待优化变量：

分析公式

得到如下等价形式：

将上述两个公式带入到SCM问题，SCM问题等价为SCM-E问题，“E”表示的是等价地，如下：

约束条件：0≤t≤d^ove≤T^max

待优化变量：d^ove，t；

为求解SCM-E问题，引入一个辅助待优化变量θ，如下：

基于这个公式，将SCM-E问题转化为SCM-E2问题，如下：

(SCM-E2)minθ

约束条件：0≤t≤d^ove≤T^max (1)

待优化变量：d^ove，t，θ

为了有效解决SCM-E2问题，提出线性枚举0≤t≤T^max的同时t的取值要满足公式(2),(3)的方法，SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题，如下：

在智能终端的传输时间t给定的情况下，

约束条件：

待优化变量：d^ove，θ

约束条件：0≤t≤T^max

待优化变量：t

(3)求解SCM问题的思路是：将SCM问题转化为SCM-E2问题, 此时问题有三个待优化变量d^ove，t和θ；将SCM-E2问题分解为 SCM-E2-Sub问题和SCM-E2-Top问题进行求解，在SCM-E2-Top问题上采用线性枚举0≤t≤T^max，如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题，求出

返回到SCM-E2-Top问题，进而求出θ^*，即SCM问题的目标函数值；

(4)给定t求解SCM-E2-Sub问题的SubBiSec算法，步骤如下：

步骤4.1：输入NOMA的传输时间t，可容忍的计算误差∈＝10^-8，对分上限θ^upp是一个足够大的数和对分下限θ^low＝ωt；

步骤4.2：开始循环|θ^upp-θ^low|＞∈；

步骤4.3：设定

步骤4.4：如果

设定θ^low＝θ^cur；

步骤4.5：否则如果

定义Z＝(θ^cur-ωt)²

分别计算

和

步骤4.6：如果

且

的话，设定θ^low＝θ^cur；

步骤4.7：否则如果

且

的话，设定θ^upp＝θ^cur；

步骤4.8：当|θ^upp-θ^low|＜∈时，执行步骤4.9，否则执行步骤4.3；

步骤4.9：输出

(5)对于求解SCM-E2-Top问题，采用线性搜索的方法以一个很小的步长去枚举，t的取值范围是[0，T^max]，求解SCM-E2-Top问题的 TopLS算法，步骤如下：

步骤5.1：输入计算步长Δ＝10^-4，设定参数t^upp＝T^max，t＝0和CBV 是一个足够大的数；

步骤5.2：如果t不满足公式(2)和(3)的话，设定t＝t+Δ，转至步骤5.6；

步骤5.3：否则如果t满足公式(2)和(3)的话，将t带入步骤(4)中调用SubBiSec算法去计算

步骤5.4：如果t满足公式(2)和(3)且

的话，设定

且t^*＝t；

步骤5.5：设定t＝t+Δ；

步骤5.6：如果t≤t^upp时，转至步骤5.2；否则，转至执行步骤5.7；

步骤5.7：输出θ^*＝CBV，t^*；

TopLS算法输出的θ^*代表：SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值；输出的t^*代表：对应的最优非正交传输时间。

Claims (1)

1.一种基于非正交多址的计算任务分流联合执行时间与计算资源消耗优化方法，其特征在于，所述方法包括以下步骤：

(1)在一组集成边缘计算服务器的基站的覆盖范围下有一个智能终端，基站用集合

表示，智能终端使用非正交多址的多接入技术同时向基站发送数据，其中智能终端需要处理的数据量用S^tot表示；

在保证智能终端数据需求的情况下最小化智能终端完成所有计算工作量所需要的总延迟和边缘计算服务器所消耗的计算资源代价的问题描述为如下所示的优化问题SCM：

(SCM)

约束条件：0≤t≤d^ove≤T^max

待优化变量：

下面将问题中的各个参数做一个说明，如下：

g_i:从智能终端到边缘服务器i的信道功率增益；

W：智能终端的信道带宽，单位是赫兹；

n₀：背景噪声的光谱功率密度；

g₀：g₀表示一个很大的数，因此

S^tot：智能终端需要处理的计算工作量，单位是兆比特；

β_i：边缘服务器i计算资源的边际成本；

给定迁移到边缘服务器i上的计算量，单位是兆比特；

μ_L：智能终端的本地计算速率，单位是兆比特/秒；

ρ_L：智能终端的本地计算的能量消耗，单位是焦耳/秒；

ω：智能终端完成总的计算工作量S^tot所耗费的总延迟的权重；

E^max：智能终端的能耗预算，单位是焦耳；

T^max：智能终端处理总的工作计算量所耗费的总延迟的上限，单位是秒；

P^max：智能终端运输迁移的工作计算量到边缘服务器的总的传输功率的上限，单位是瓦特；

下面将问题中的各个待优化变量做一个说明，如下：

t：非正交传输时间，单位是秒；

d^ove：智能终端完成所有计算工作量S^tot所需要的总延迟，单位是秒；

μ_i：边缘服务器i所提供的计算速度，单位是兆比特/秒；

(2)SCM问题表示如下：

(SCM)

约束条件：0≤t≤d^ove≤T^max

待优化变量：

分析公式

得到如下等价形式：

将上述两个等价形式公式带入到SCM问题，SCM问题等价为SCM-E问题，“E”表示的是等价地，如下：

(SCM-E)

约束条件：0≤t≤d^ove≤T^max

待优化变量：d^ove，t；

为求解SCM-E问题，引入一个辅助待优化变量θ，如下：

基于这个公式，将SCM-E问题转化为SCM-E2问题，如下：

(SCM-E2)minθ

约束条件：0≤t≤d^ove≤T^max (1)

待优化变量：d^ove，t，θ

为了有效解决SCM-E2问题，提出线性枚举0≤t≤T^max的同时t的取值要满足公式(2),(3)的方法，SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题，如下：

在智能终端的传输时间t给定的情况下，

(SCM-E2-Sub)

约束条件：

待优化变量：d^ove，θ

(SCM-E2-Top)

约束条件：0≤t≤T^max

待优化变量：t

(3)求解SCM问题的思路是：将SCM问题转化为SCM-E2问题,此时问题有三个待优化变量d^ove，t和θ；将SCM-E2问题分解为SCM-E2-Sub问题和SCM-E2-Top问题进行求解，在SCM-E2-Top问题上采用线性枚举0≤t≤T^max，如果给定一个t满足公式(2),(3)就计算SCM-E2-Sub问题，求出

返回到SCM-E2-Top问题，进而求出θ^*，即SCM问题的目标函数值；

(4)给定t求解SCM-E2-Sub问题的SubBiSec算法，步骤如下：

步骤4.1：输入NOMA的传输时间t，可容忍的计算误差∈＝10^-8，对分上限θ^upp是一个足够大的数和对分下限θ^low＝ωt；

步骤4.2：开始循环|θ^upp-θ^low|＞∈；

步骤4.3：设定

步骤4.4：如果

设定θ^low＝θ^cur；

步骤4.5：否则如果

定义

分别计算

和

步骤4.6：如果

且

的话，设定θ^low＝θ^cur；

步骤4.7：否则如果

且

的话，设定θ^upp＝θ^cur；

步骤4.8：当|θ^upp-θ^low|＜∈时，执行步骤4.9，否则执行步骤4.3；

步骤4.9：输出

(5)对于求解SCM-E2-Top问题，采用线性搜索的方法以一个很小的步长去枚举，t的取值范围是[0，T^max]，求解(SCM-E2-Top)问题的TopLS算法，步骤如下：

步骤5.1：输入计算步长Δ＝10^-4，设定参数t^upp＝T^max，t＝0和CBV是一个足够大的数；

步骤5.2：如果t不满足公式(2)和(3)的话，设定t＝t+Δ，转至步骤5.6；

步骤5.3：否则如果t满足公式(2)和(3)的话，将t带入步骤(4)中调用SubBiSec算法去计算

步骤5.4：如果t满足公式(2)和(3)且

的话，设定

且t^*＝t；

步骤5.5：设定t＝t+Δ；

步骤5.6：如果t≤t^upp时，转至步骤5.2；否则，转至执行步骤5.7；

步骤5.7：输出θ^*＝CBV，t^*；

TopLS算法输出的θ^*代表：SCM-E2-Top问题所求智能终端完成所有计算工作量所需要的总延迟与边缘计算服务器所消耗的计算资源代价的最小值；输出的t^*代表：对应的最优非正交传输时间。

Images